如何不使用for循环遍历R语言数据框的行？

嘿，先帮你提个小细节：你用cbind()创建的My_DF其实是字符矩阵，不是真正的数据框哦——因为paste0()生成的是字符型向量，和数值型的rnorm()绑定后会被统一转成字符类型。如果要转成标准的数据框并把Values列转回数值型，可以先跑这段代码：

My_DF <- as.data.frame(My_DF, stringsAsFactors = FALSE)
My_DF$Values <- as.numeric(My_DF$Values)

接下来回到你的核心需求：不用for循环遍历行，R里有很多更高效、更符合语言习惯的方法，下面给你介绍几种常用的：

1. 基础R的apply()函数 #

这是处理矩阵/数据框行/列的经典工具，MARGIN=1指定按行处理。它会把每行打包成一个向量，传递给你定义的函数：

# 示例：打印每行的项目名和对应数值
apply(My_DF, MARGIN = 1, function(row) {
  cat("项目名:", row["Projeck_Name"], "，数值:", row["Values"], "\n")
})

你可以把匿名函数里的内容换成任何你需要的行级操作，比如计算、条件判断等。

2. 使用purrr包的pmap()（tidyverse风格） #

如果你习惯用tidyverse工具链，pmap()是按行处理数据框的绝佳选择——它会把每一列作为参数传递给函数，代码可读性更强：

library(purrr)

# 写法1：明确指定列名作为参数
pmap(My_DF, function(Projeck_Name, Values) {
  cat("项目名:", Projeck_Name, "，数值:", Values, "\n")
})

# 写法2：用占位符简化（.x对应第一列，.y对应第二列）
pmap(My_DF, ~cat("项目名:", .x, "，数值:", .y, "\n"))

如果数据框列数更多，可以用..1、..2、..3这样的占位符依次对应各列。

3. dplyr的rowwise()（适合行级计算） #

如果你需要在数据框中生成新的行级计算结果，dplyr的rowwise()可以帮你轻松实现：

library(dplyr)

# 示例：给每行新增一列，值为Values的2倍
My_DF_processed <- My_DF %>%
  rowwise() %>%
  mutate(Double_Value = Values * 2) %>%
  ungroup() # 记得取消行分组，避免后续操作受影响

print(My_DF_processed)

如果要执行更复杂的行操作（比如返回多个结果），可以搭配do()使用：

My_DF %>%
  rowwise() %>%
  do({
    # 这里可以写任意行级逻辑，比如生成一个临时数据框
    tibble(
      Project = .$Projeck_Name,
      Original_Value = .$Values,
      Squared_Value = .$Values^2
    )
  }) %>%
  ungroup()

这些方法的优势在于：它们都是R内部优化过的操作，效率比手动写for循环更高（尤其是数据量较大时），同时代码更简洁、更符合R的向量式编程风格。

内容的提问来源于stack exchange，提问作者Sam