如何结合循环与正则使用case_when？new_p变量赋值异常求助

我来帮你分析下问题的根源，然后给出几个针对不同场景的解决方案：

原代码的问题分析 #

你最初的循环写法有两个核心问题：

1. 每次循环都会重新创建newDT，直接覆盖上一次的结果，所以最后只保留了最后一次循环（对应lev[3] = "C"）的赋值，其他行自然返回NA；
2. case_when里只定义了当前lev[i]的匹配条件，没有处理其他类别，所以非当前类别的行都会被赋值为NA。

针对原数据集的解决方案 #

解法1：用dplyr批量生成case_when条件（易读性强） #

不需要循环，直接一次性匹配所有d1的类别：

library(dplyr)
library(purrr)

tempDF <- structure(list(d1 = c("A", "B", "C"), d2 = c(40L, 50L, 20L), d3 = c(20L, 40L, 50L), d4 = c(60L, 30L, 30L), p_A = c(1L, 3L, 2L), p_B = c(3L, 4L, 3L), p_C = c(2L, 1L, 1L), p4 = c(5L, 5L, 4L)), class = "data.frame", row.names = c(NA, -3L))
lev <- levels(as.factor(tempDF$d1))

# 批量生成每个类别的匹配条件
case_conditions <- map(lev, ~ expr(d1 == !!.x ~ .data[[paste0("p_", !!.x)]])) %>%
  reduce(c)

newDT <- tempDF %>%
  mutate(new_p = case_when(!!!case_conditions))

newDT

解释：用purrr::map为每个类别生成对应的case_when条件，再合并后传入case_when，一次性完成所有行的匹配。

解法2：矩阵索引（高效适合大数据集） #

直接通过行号+目标列号的矩阵索引提取值，效率极高：

tempDF <- structure(list(d1 = c("A", "B", "C"), d2 = c(40L, 50L, 20L), d3 = c(20L, 40L, 50L), d4 = c(60L, 30L, 30L), p_A = c(1L, 3L, 2L), p_B = c(3L, 4L, 3L), p_C = c(2L, 1L, 1L), p4 = c(5L, 5L, 4L)), class = "data.frame", row.names = c(NA, -3L))

# 为每行生成对应的目标列名
target_cols <- paste0("p_", tempDF$d1)
# 提取对应位置的值
tempDF$new_p <- tempDF[cbind(seq_len(nrow(tempDF)), match(target_cols, names(tempDF)))]

tempDF

解释：先为每行生成匹配的p_*列名，再找到这些列在数据框中的位置，最后用矩阵索引直接提取对应值。

处理扩展数据集的函数错误 #

你后来用的函数出现警告和错误，原因是：

• j <- match(paste0("p", "_", lev), names(tempDF))得到的是所有p_*列的位置（长度为3），而i <- match(tempDF$d1, lev)得到的是每行的类别索引（长度为5）；
• R会自动循环较短的向量，导致索引错位，最终取值错误。

修正后的高效解法（矩阵索引） #

tempDF <- structure(list(d1 = c("A", "B", "C", "A", "C"), d2 = c(40L, 50L, 20L, 50L, 20L), d3 = c(20L, 40L, 50L, 40L, 50L), d4 = c(60L, 30L, 30L,60L, 30L), p_A = c(1L, 3L, 2L, 3L, 2L), p_B = c(3L, 4L, 3L, 3L, 4L), p_C = c(2L, 1L, 1L,2L, 1L), p4 = c(5L, 5L, 4L, 5L, 4L)), class = "data.frame", row.names = c(NA, -5L))

func <- function(tempDF){
  # 为每行生成对应的目标列名
  target_cols <- paste0("p_", tempDF$d1)
  # 找到每行目标列的位置
  col_indices <- match(target_cols, names(tempDF))
  # 矩阵索引提取值
  tempDF$new_p <- tempDF[cbind(seq_len(nrow(tempDF)), col_indices)]
  return(tempDF)
}

newDT <- func(tempDF)
newDT

易读性优先的tidyverse解法 #

用rowwise逐行处理，结合get函数提取对应列：

library(dplyr)

tempDF <- structure(list(d1 = c("A", "B", "C", "A", "C"), d2 = c(40L, 50L, 20L, 50L, 20L), d3 = c(20L, 40L, 50L, 40L, 50L), d4 = c(60L, 30L, 30L,60L, 30L), p_A = c(1L, 3L, 2L, 3L, 2L), p_B = c(3L, 4L, 3L, 3L, 4L), p_C = c(2L, 1L, 1L,2L, 1L), p4 = c(5L, 5L, 4L, 5L, 4L)), class = "data.frame", row.names = c(NA, -5L))

newDT <- tempDF %>%
  rowwise() %>%
  mutate(new_p = get(paste0("p_", d1))) %>%
  ungroup()

newDT

解释：rowwise()让mutate逐行执行，get()会根据当前行的d1值，提取对应的p_*列的数值，最后取消行分组恢复正常结构。

内容的提问来源于stack exchange，提问作者Krantz