R语言决策表应用：无需重写if-else脚本实现规则匹配的方法

当然有啦！在R里完全不用写一堆繁琐嵌套的if-else就能批量应用规则，我给你分享几个常用且高效的方案：

1. 使用dplyr的case_when()（tidyverse首选） #

这是最常用的方法之一，语法清晰可读性极强，适合大多数常规场景。假设你有如下规则表：

可以直接把规则转化为case_when()的参数：

library(dplyr)

# 假设你的目标数据框是df
df <- df %>%
  mutate(年龄分组 = case_when(
    age < 18 ~ "少年",
    age >= 18 & age < 60 ~ "成年",
    age >= 60 ~ "老年",
    TRUE ~ "未知" # 可选的兜底规则，处理未匹配到的情况
  ))

2. 使用data.table的fcase()（大数据量首选） #

如果你的数据量很大，追求极致速度，data.table的fcase()是更好的选择，它比case_when()更快，语法也类似：

library(data.table)

# 先把普通数据框转为data.table格式
setDT(df)
df[, 年龄分组 := fcase(
  age < 18, "少年",
  age >= 18 & age < 60, "成年",
  age >= 60, "老年",
  default = "未知" # 兜底规则
)]

3. 规则表+动态生成逻辑（规则易维护场景） #

如果你的规则很多、需要经常更新，推荐把规则单独存成一个数据框，然后动态生成匹配逻辑——这样修改规则只需要改规则表，不用动业务代码：

首先定义规则表：

library(tibble)
library(purrr)
library(rlang)

# 规则表，把所有条件和对应结果存起来
rule_table <- tibble(
  condition = c("age < 18", "age >=18 & age <60", "age >=60"),
  result = c("少年", "成年", "老年")
)

然后动态生成case_when()的参数并应用：

# 将规则表转化为case_when可识别的表达式
case_expressions <- map2(rule_table$condition, rule_table$result, 
                         ~ parse_expr(paste0(.x, " ~ '", .y, "'")))

# 应用规则到数据框
df <- df %>%
  mutate(年龄分组 = case_when(!!!case_expressions, TRUE ~ "未知"))

这些方法都能完美替代嵌套if-else，代码更整洁、扩展性更强，根据你的数据规模和维护需求选就行~

内容的提问来源于stack exchange，提问作者ulrich