R语言新手求助：如何编写带条件查找功能的顺序for循环？

嗨，我来帮你梳理下这个问题～作为R新手，用循环处理数据很容易踩一些逻辑和语法的坑，咱们先拆解你的问题，再给出修正方案和更高效的写法。

先重现你的示例数据 #

首先先把你的两个data.frame明确下来，方便后续测试：

# 构造data.frame a
a <- data.frame(
  id = 1:5,
  score = c(11, 12, 13, 14, NA),
  problem = c(1, 6, 2, 0, NA)
)

# 构造data.frame b
b <- data.frame(
  score = c(11, 12, 13, 14, NA),
  q = c(12, 14, 16, 18, NA),
  r = c(13, 15, 20, 22, NA),
  s = c(11, 12, 13, 14, NA),
  t = c(NA, NA, NA, NA, NA)
)

原函数的问题所在 #

你的adjust函数执行后没有效果，主要有这几个核心问题：

1. 函数没有返回值：R函数默认返回最后一行代码的结果，但你的函数最后只有print(z(i))，而且没有把最终计算的调整分数集合返回，所以调用a$adjusted <- adjust(...)时，实际上没有拿到有效结果。
2. 循环逻辑混乱：嵌套循环的顺序搞反了——你应该逐个处理a的每一行（同时对应一个problem和一个score），而不是先循环所有score再循环所有problem。
3. 语法错误：z(i) <- ...这种写法完全错误，R里的索引是用[]，赋值是<-，比如要修改向量的第i个元素应该写z[i] <- ...，但这里你的循环变量逻辑本身就不对。
4. 不必要的sapply：当j是单个score值时，用sapply毫无意义，直接用which(b$score == j)就能找到匹配的行索引。

修正后的for循环写法（满足你练习循环的需求） #

如果你想继续用for循环实现，我调整了逻辑和语法，确保能正确返回结果：

adjust <- function(problem_vec, score_vec) {
  # 初始化一个和输入等长的NA向量，用来存储结果
  adjusted_scores <- rep(NA, length(problem_vec))
  
  # 逐个处理每一行数据
  for (i in seq_along(problem_vec)) {
    current_prob <- problem_vec[i]
    current_score <- score_vec[i]
    
    # 如果problem或score是NA，直接跳过，保留NA
    if (is.na(current_prob) || is.na(current_score)) {
      next
    }
    
    # 在b中找到对应score的行索引
    match_idx <- which(b$score == current_score)
    # 如果没找到匹配的score，也保留NA
    if (length(match_idx) == 0) {
      next
    }
    
    # 根据problem类型选择对应的调整分数
    if (current_prob > 2) {
      adjusted_scores[i] <- b[match_idx, "t"]
    } else if (current_prob == 2) {
      adjusted_scores[i] <- b[match_idx, "r"]
    } else if (current_prob == 1) {
      adjusted_scores[i] <- b[match_idx, "q"]
    } else if (current_prob == 0) {
      adjusted_scores[i] <- b[match_idx, "s"]
    } else {
      # 其他未定义的problem值，保留NA
      adjusted_scores[i] <- NA
    }
  }
  
  # 一定要返回结果！
  return(adjusted_scores)
}

# 调用函数并赋值
a$adjusted <- adjust(a$problem, a$score)

运行后你会看到a的adjusted列已经正确填充：

> a
  id score problem adjusted
1  1    11       1       12
2  2    12       6       NA
3  3    13       2       20
4  4    14       0       14
5  5    NA      NA       NA

更高效的向量化解法（R语言推荐写法） #

其实在R里，我们尽量避免用for循环，向量化操作不仅代码更简洁，运行效率也更高。这里推荐用dplyr包的链式操作，非常直观：

首先安装并加载dplyr：

install.packages("dplyr")
library(dplyr)

然后一步完成匹配和调整：

a <- a %>%
  # 根据score匹配data.frame b的列
  left_join(b, by = "score") %>%
  # 根据problem类型选择对应的调整分数
  mutate(
    adjusted = case_when(
      problem > 2 ~ t,
      problem == 2 ~ r,
      problem == 1 ~ q,
      problem == 0 ~ s,
      # 其他情况（包括NA）都返回NA
      TRUE ~ NA_real_
    )
  ) %>%
  # 只保留我们需要的列
  select(id, score, problem, adjusted)

如果你不想用第三方包，用基础R的match和嵌套ifelse也能实现：

# 先匹配每个score对应的b中各列的值
q_vals <- b$q[match(a$score, b$score)]
r_vals <- b$r[match(a$score, b$score)]
s_vals <- b$s[match(a$score, b$score)]
t_vals <- b$t[match(a$score, b$score)]

# 用嵌套ifelse实现条件选择
a$adjusted <- ifelse(a$problem > 2, t_vals,
                     ifelse(a$problem == 2, r_vals,
                            ifelse(a$problem == 1, q_vals,
                                   ifelse(a$problem == 0, s_vals, NA))))

这两种向量化方法的结果和循环写法完全一致，但代码更简洁，处理大数据时速度会快很多～

内容的提问来源于stack exchange，提问作者mdb_ftl