使用sample()为data.frame每行生成不同范围的随机整数并新增列

嘿，我完全get到你的需求——给foo这个12071行的data.frame，每行根据对应的上限K，生成1到K之间的随机整数并放到新列L里，而且每个整数被选中的概率得均等对吧？这里有几个实用的方案，从直观易上手到高效优化的都有：

方法1：用Base R的apply()逐行处理 #

这是最直观的写法，适合快速验证逻辑。假设你的foo已经有一列名为K来存储每行的上限值：

# 生成新列L
foo$L <- apply(foo, 1, function(row) {
  # 取出当前行的K值，确保转换为整数类型
  k <- as.integer(row["K"])
  # 从1到k中随机抽取1个整数
  sample(1:k, size = 1)
})

如果你的K列原本是字符类型，一定要用as.integer()转成整数，不然会触发采样范围的错误哦。

方法2：更高效的向量化方法（推荐） #

apply()本质是逐行循环，1万多行的数据虽然也能跑，但向量化方法的速度会更优，这里推荐两种写法：

用Base R的mapply() #

直接操作K列的向量，不用遍历整个data.frame的行，代码更轻量化：

foo$L <- mapply(function(k) sample(1:k, size = 1), foo$K)

用purrr包的map_int() #

如果你习惯tidyverse的风格，这个写法更简洁，而且会直接返回整数向量，完美匹配列的类型：

library(purrr)
foo$L <- map_int(foo$K, ~sample(1:.x, 1))

边界情况处理 #

如果你的K列可能存在小于1的值或者NA，可以加个判断避免代码报错：

# 带异常值处理的mapply版本
foo$L <- mapply(function(k) {
  if (is.na(k) || k < 1) {
    NA_integer_  # 遇到无效值返回NA
  } else {
    sample(1:k, size = 1)
  }
}, foo$K)

这样不管K里有什么异常值，代码都能稳定运行啦～

内容的提问来源于stack exchange，提问作者Michelle