R如何用tidyverse工具替代for循环基于指定列生成概率逻辑变量

简洁实现方案 #

方案1：向量化操作（最高效，推荐） #

不需要用到循环或purrr逐行映射，直接利用mutate+case_when+均匀分布随机数的向量化特性实现，性能远高于for循环，代码如下：

library(tidyverse)

df <- df %>%
  mutate(
    # 生成符合概率要求的逻辑变量
    lung_cancer = case_when(
      age <= 50 ~ FALSE,
      smoking ~ runif(n()) < 0.05,
      !smoking ~ runif(n()) < 0.001
    )
  )

实现逻辑：runif(n())会生成和数据行数一致的0-1区间均匀分布随机数，随机数小于概率阈值的概率刚好等于你需要的取值为TRUE的概率，完全匹配你要求的分布规则。

方案2：rowwise逐行处理（和原for循环逻辑完全一致） #

如果你更倾向于和原循环逻辑一致的逐行采样写法，可以用dplyr的rowwise实现：

df <- df %>%
  rowwise() %>%
  mutate(
    lung_cancer = if_else(
      age > 50,
      sample(c(TRUE, FALSE), 1, prob = if_else(smoking, c(0.05, 0.95), c(0.001, 0.999))),
      FALSE
    )
  ) %>%
  ungroup() # 执行完逐行操作后建议取消行分组，避免影响后续数据处理

这种写法更易读，但数据量较大时性能会低于方案1的向量化实现。

内容的提问来源于stack exchange，提问作者Papa Analytica