原问题： 想进一步请问 在一个data.frame中 No1消费者 有A B C D四种消费时间点 A1代表No1 在第一次消费时点的消费金额 A2 A3 A4 A5代表No1第一次消费时点的其他状态(停留时间、点击商品数量..等˙) B1 代表No1 在第二次消费时点的消费金额 B2 B3 B4 B5代表No2第二次消费时点的其他状态 欲拿掉消费金额<5的群组 (即判断每个群组的第一位是否<5，若<5，则将其消费伴随的状态也移除) 剩余的往左靠齐 No A1 A2 A3 A4 A5 | B1 B2 B3 B4 B5 | C1 C2 C3 C4 C5 | D1 D2 D3 D4 D5 1 5 6 3 2 1 | 10 11 12 13 14 | 1 1 2 3 4 | 5 5 5 5 9 2 1 2 3 4 5 | 1 1 1 1 1 | 5 8 7 6 5 | 5 3 2 1 0 第一位消费者的A1 B1 D1 >=5 则留下ABD三个群组 第二位消费者的C1 D1 >=5 则留下CD 两个群组 靠右平移 成为以下table | | | No A1 A2 A3 A4 A5 | B1 B2 B3 B4 B5 | C1 C2 C3 C4 C5 | D1 D2 D3 D4 D5 1 5 6 3 2 1 | 10 11 12 13 14 | 5 5 5 5 9 | 2 5 8 7 6 5 | 5 3 2 1 0 | | 我不清楚你原始的column name是否这麽regular... 我定义一个block就是相同名称开头的名称， 例如： A1~A5这样称做一个block，B1~B5亦是一个block 我的目标就是根据block的第一个元素去把该block设定为0或是不是0 block设定成0之後就回到你原本的左移案子了~~ 但是要执行这个基本上就是只能用eval了... 因为有太多column不可能，手动去处理这些column 因此，我给了两个eval方式 一个是用mutate_，另一个是单纯的eval 我个人是觉得单纯的eval难写满多的 但是mutate_要需要相对多的东西才能累积出来... 所以我无法肯定哪一个方法比较好 我自己本身对於mutate_这函数跟lazyeval这个套件都没有很熟悉 下面的程式提供参考 好读的程式码：http://pastebin.com/NCAvfmfP library(data.table) library(dplyr) library(magrittr) N = 10 T = 5 nItem = 4 m = matrix(rbinom(N*T*nItem, 15, 0.4), N) dat = data.table(id = 1:nrow(m), m) %>% setnames(paste0("V",1:20), paste0(rep(LETTERS[1:nItem],,, T), rep(1:T, nItem))) varChecking = names(dat)[grepl("[A-Z]1", names(dat))] f = function(x) ifelse(x < 5, 0, x) dat_out = mutate_each_(dat, funs(f), varChecking) namesWorking = gsub("([A-Z])1", "\\1", varChecking) varsWorking = paste0(rep(namesWorking,,,T-1), rep(2:T,nItem)) ## method 1 cmd = paste0('ifelse(', rep(namesWorking,,,T-1), '1<5,0,', varsWorking, ')') mutate_(dat_out, .dots= setNames(lapply(cmd, lazyeval:::interp), varsWorking)) ## method 2 eval(parse(text = paste0('dat_out=mutate(dat_out,', paste0(varsWorking, '=ifelse(', rep(namesWorking,,,T-1), '1<5,0,', varsWorking, ')', collapse = ","), ')'))) 最後提供一个简单的方法，但是我怕记忆会爆掉XD varWorking = gsub('([A-Z])\\d', '\\1', names(dat)) %>% unique %>% setdiff('id') llply(varWorking, function(x){ tmp_dat = dat %>% select(starts_with(x)) tmp_dat %<>% setnames(paste0("V", 1:ncol(tmp_dat))) f = function(x) ifelse(tmp_dat$V1 > 5, x, 0) tmp_dat %<>% mutate_each(funs(f)) %>% setnames(paste0(x, 1:ncol(tmp_dat))) tmp_dat }) %>% bind_cols %>% tbl_dt %>% mutate(id = dat$id) 最後补一个执行时间 N = 20000; T = 10; nItem = 1000 method 1: 68.03 method 2: 66.75 method 3: 53.87 测试程式码：http://pastebin.com/HbVzPh6D 基本上，method 1跟method 2差不多，method 3用空间换时间 所以看你的data.frame大小跟你的记忆体来选适合你的方法吧 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 123.205.27.107 ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/R_Language/M.1442325572.A.8B0.html 对我来说，也不简单，我自己不知道有没有方法更快。 ※ 编辑: celestialgod (123.205.27.107), 09/16/2015 00:30:29