R语言：基于比例拆分数据框指定列值的优化实现

你可以用dplyr的分组、连接与向量化操作替代循环，代码更简洁易读，同时完全匹配你的需求逻辑：

library(dplyr)

# 计算a组var1和var2的总基数
from_totals <- myt_repeating %>%
  filter(name == "a") %>%
  summarise(across(c(var1, var2), sum))

# 生成各分组的调整参数：每行需调整的数值
group_adjust <- myt_repeating %>%
  count(name) %>%
  left_join(rel_table, by = "name") %>%
  left_join(from_totals, by = character()) %>%
  mutate(
    # a组：原数值乘以比例；其他组：分配总量除以该行数
    across(c(var1, var2), ~ ifelse(name == "a", .x * proportion, (.x * proportion) / n))
  )

# 应用调整到原数据
result <- myt_repeating %>%
  left_join(group_adjust, by = "name", suffix = c("", "_add")) %>%
  mutate(
    across(c(var1, var2), ~ ifelse(name == "a", .x * proportion, .x + .x_add)),
    # 清理临时辅助列
    across(c(n, proportion, ends_with("_add")), ~ NULL)
  )

关键步骤说明 #

1. 计算分配基数：先提取a组的var1和var2总和，这是后续比例分配的基础。
2. 生成调整规则：
   • 统计每个分组的行数，用于平均分配额度
   • 关联比例表，计算每个分组的分配总量，再转换为每行的调整值
3. 执行调整：将调整规则与原数据关联，对var1和var2分别执行保留/追加操作，最后清理临时列。

验证总和一致性 #

你可以用以下代码确认调整前后的总和完全一致：

# 原数据总和
colSums(myt_repeating[, c("var1", "var2")])
# 调整后数据总和
colSums(result[, c("var1", "var2")])

方案优势 #

• 摒弃循环，用向量化操作提升处理效率（数据量越大，优势越明显）
• 代码逻辑模块化，每一步意图清晰，便于维护和修改
• 利用dplyr链式语法，可读性远超循环写法

内容的提问来源于stack exchange，提问作者stats_noob