R语言求助：使用apply系列函数用另一DataFrame填充缺失值

Hey there!作为R新手能想着用apply家族优化代码，已经比很多刚入门的人思路超前啦～其实你这个需求用向量化操作就能搞定，比循环和apply都简洁高效，先给你最直接的方案：

方案1：基础向量索引（最推荐） #

假设Records和Results是行数一致的数据框，直接通过布尔索引替换NA值就行：

# 找到Records$time中NA的位置，用Results对应位置的time填充
Records$time[is.na(Records$time)] <- Results$time[is.na(Records$time)]

R是向量型语言，这种操作底层已经优化过，比循环快得多，代码也一目了然。

方案2：用mapply实现（如果你执着于apply家族） #

你之前试mapply出错可能是没匹配好两个向量的元素。mapply适合处理多输入的逐元素操作，这里我们给它传两个向量（Records的time和Results的time），然后对每个位置的元素判断：

Records$time <- mapply(function(record_time, result_time) {
  if (is.na(record_time)) {
    result_time
  } else {
    record_time
  }
}, Records$time, Results$time)

不过说实话，这个写法不如向量索引简洁，只是满足你想用apply家族的需求～

为什么apply/lapply没成功？ #

• apply是针对矩阵/数据框的行或列做批量操作，不是逐元素处理两个向量的对应位置，所以用它会跑偏；
• lapply是对列表的单个元素循环，你这里需要同时处理两个向量的对应元素，所以lapply也不适用。

额外推荐：tidyverse风格写法（更易读） #

如果之后经常处理数据框，推荐学一下dplyr包，代码可读性拉满：

library(dplyr)

Records <- Records %>%
  mutate(time = if_else(is.na(time), Results$time, time))

不用纠结apply啦，R里很多时候向量化操作才是最优解～

内容的提问来源于stack exchange，提问作者Shawn