R语言使用tapply调用依分段数据变化的UDF并替代循环的方法

• tapply()的第一个参数要求传入和分组因子等长的向量，你传入完整数据框iris自然触发长度不匹配报错
• 额外低级错误：你代码中写的iris$species是小写开头，iris原生数据集的物种列名为大写开头的Species，即便第一个参数正确也会因为取不到分组因子报错

你的需求是对按分组拆分后的完整子数据框应用自定义函数，有多种替代循环的实现方式：

方案1：基础包by()函数（最贴合你的使用习惯） #

by()是专门针对数据框分组处理的基础包函数，逻辑和你预期的tapply用法完全一致，直接替换即可：

# 按Species拆分iris，对每个子数据框运行testFunction
by_res <- by(iris, iris$Species, testFunction, factList = factorList)
# 转成向量即可得到和你原循环输出完全一致的ansArr
ansArr <- as.vector(by_res)

方案2：基础包split() + lapply()组合 #

先手动按分组拆分数据框，再对每个子数据框应用函数：

# 按Species拆分iris得到子数据框列表，遍历列表运行函数
split_res <- lapply(split(iris, iris$Species), testFunction, factList = factorList)
ansArr <- unlist(split_res)

方案3：tidyverse风格分组汇总（更易扩展维护） #

如果可以用第三方包，dplyr的分组汇总写法更直观，还能同时输出中间计算结果：

library(dplyr)

# 自定义计算逻辑直接写在summarise里即可，不需要单独封装testFunction也可以
res_df <- iris %>% 
  group_by(Species) %>% 
  summarise(
    mean_sepal = mean(Sepal.Length),
    add_val = factorList[[as.character(first(Species))]],
    final_res = mean_sepal + add_val
  )

内容的提问来源于stack exchange，提问作者AKA