如何在apply函数中使用if语句？R语言循环计数代码优化求助

你的需求本质是按a和b分组，统计每组中c值≥0（positive）和<0（negative）的数量，完全不需要用循环或者逐行的apply——这俩都是低效的逐行操作，大数据量下肯定卡。下面给你三种高效的实现方式，优先级从高到低：

1. 最快最优：用data.table（适合超大规模数据） #

data.table是R中处理大数据的神器，底层用C实现，速度和内存效率都拉满，260k行数据秒出结果：

# 加载包（如果没装先运行 install.packages("data.table")）
library(data.table)

# 把你的原始数据转成data.table格式
dt <- as.data.table(df1)

# 分组统计一行搞定
dfOcc <- dt[, .(
  positive = sum(c >= 0),
  negative = sum(c < 0)
), by = .(a, b)]  # 按a和b分组

# 查看结果
print(dfOcc)

2. 语法更直观：用dplyr（tidyverse生态，易读易维护） #

如果你习惯tidyverse的语法，dplyr的分组聚合同样高效，代码可读性更强：

# 加载包（没装先运行 install.packages("dplyr")）
library(dplyr)

dfOcc <- df1 %>%
  group_by(a, b) %>%  # 按a和b分组
  summarize(
    positive = sum(c >= 0),  # 统计每组c≥0的数量
    negative = sum(c < 0),   # 统计每组c<0的数量
    .groups = "drop"         # 取消分组，返回普通数据框
  )

print(dfOcc)

3. 原生base R实现（无需额外包） #

如果不想装包，用base R的aggregate也能搞定，虽然速度比上面两个慢一些，但比你的循环快N倍：

# 分组聚合
agg_result <- aggregate(c ~ a + b, data = df1, FUN = function(x) {
  c(positive = sum(x >= 0), negative = sum(x < 0))
})

# 把嵌套的结果展开成普通数据框
dfOcc <- do.call(data.frame, agg_result)
colnames(dfOcc) <- c("a", "b", "positive", "negative")

print(dfOcc)

为什么你的原代码这么慢？ #

你原来的循环犯了两个致命的效率问题：

• 逐行查找匹配：每次循环都用which(dfOcc$a==x && dfOcc$b==y)去检索行，这是线性查找，260k次循环就意味着260k×10k=2.6e9次操作，完全是灾难级的时间复杂度。
• 频繁修改数据框：每次循环都修改dfOcc的单元格，R的数据框是列存储，频繁修改会不断复制内存，进一步拖慢速度。

而上面的分组聚合方法都是向量化操作，只需要遍历原始数据一次，按组统计，时间复杂度是O(n)，效率提升几个数量级。

内容的提问来源于stack exchange，提问作者Axel