在R语言中如何用lapply替代循环批量替换数据框行内子串

嘿，我明白你想摆脱循环，用更高效的方式完成这个替换任务！其实R里有不少比循环和基础lapply更简洁高效的向量化方法，我来一步步给你演示：

首先构造示例数据框 #

先把你提到的示例数据用代码还原出来，方便测试：

df <- data.frame(
  A = c("hotels in {d}", "{d} city breaks", "cheap hotels {d}"),
  B = c("London", "Bangkok", "New York"),
  stringsAsFactors = FALSE
)

方法1：用lapply实现（满足你的需求） #

如果一定要用lapply，可以遍历每一行的索引，完成替换后再把结果转为向量赋值回去：

df$A <- lapply(1:nrow(df), function(i) {
  gsub("\\{d\\}", df$B[i], df$A[i])
}) %>% unlist()

这里unlist()是把lapply返回的列表转为向量，这样才能正确赋值给数据框的列。

方法2：更推荐的mapply（多变量向量化） #

其实mapply更适合这种逐对处理两个向量的场景，它会自动把df$A和df$B的对应元素配对传入函数，代码更简洁：

df$A <- mapply(function(text, replacement) {
  gsub("\\{d\\}", replacement, text)
}, df$A, df$B)

方法3：用stringr包的向量化替换（最简洁） #

如果你习惯用tidyverse工具链，stringr包的str_replace天生支持向量化替换，一行就能搞定：

library(stringr)
df$A <- str_replace(df$A, "\\{d\\}", df$B)

验证结果 #

不管用哪种方法，最终df$A都会变成你想要的结果：

> df$A
[1] "hotels in London"     "Bangkok city breaks"  "cheap hotels New York"

这些向量化方法比循环高效得多，尤其是当你的数据框有几万甚至几十万行的时候，性能差距会非常明显。

内容的提问来源于stack exchange，提问作者Tim496