在R语言dataframe中使用UDF为香港/澳门行的日期加6小时问题求助

代码存在的问题 #

• 语法错误：if判断语句中country = 'Macau'是赋值操作，不是相等判断，需改为country == 'Macau'，这是代码无法正常运行的核心原因。
• 隐式类型转换问题：apply对数据框按行操作时会先将整个数据框转换为字符矩阵，所有数据类型统一转为字符串，多分支返回的结果格式不统一，很容易出现隐式转换异常。
• 性能问题：按行遍历的写法在数据量较大时效率极低，R更适合用向量化操作处理这类需求。
• 鲁棒性问题：通过索引dataf[2]、dataf[3]取列值，一旦数据框列顺序发生变化就会逻辑出错，用列名取值更稳妥。

兼容原有写法的修复代码 #

library(lubridate)

# 提前统一转换时间格式，避免循环内重复计算
df$indate <- as_datetime(df$indate)

hour_addition = function(row) {
  country = row[["country"]]
  date = row[["indate"]]
  # 用%in%简化多值判断，避免重复写判断条件出错
  if (country %in% c('Hong Kong', 'Macau')){
    date1 = date + dhours(6)
  } else {
    date1 = date
  }
  return (as.character(date1))
}

new_date = apply(df, 1, hour_addition)    
df$indate1 = new_date

更推荐的向量化写法（无需自定义函数，性能提升明显） #

library(lubridate)
library(dplyr)

df <- df %>%
  mutate(indate = as_datetime(indate),
         indate1 = if_else(country %in% c("Hong Kong", "Macau"), 
                          indate + dhours(6), 
                          indate) %>% as.character())

如果后续还要对indate1做时间计算，可以去掉as.character()，保留时间格式即可。

内容的提问来源于stack exchange，提问作者vik