[This在OP编辑测试数据之前发布了答案。
你把事情弄得太复杂了，lag和str_detect的合理组合可以给予你想要的东西，而不会产生循环。
通过修改示例的最后一行来获取一些测试数据：

original <- cbind(df, switches = switches)

字符串
解决问题

library(tidyverse)

suggested <- df %>% 
  mutate(
    switches = ifelse(
      row_number() == 1, 
      "Y", 
      ifelse(
        str_detect(
          lag(drug), 
          drug
        ), 
        "N", 
        "Y"
      )
    )
  )
identical(suggested$switches, original$switches)
[1] TRUE

型
你的例子还不够大，不足以让基准测试变得明智，但这可能比循环更快。一个基本的R解决方案可能更快。（尽管，恕我直言，以牺牲可读性为代价。）你应该在真实的数据集上进行测试，以确定哪一个在生产中可能是最好的。
对于基准测试，考虑microbenchmark。

您可以使用purrr包中的accumulate来跟踪base_value，然后检查其中的更改：

library(purrr)
library(dplyr)
char_vector <- c("applesauce", "apple", "applesauce", "orange", "orange", "banana", "applepie")
    
new_base <- function(old_base, value) {
  if (grepl(value, old_base, fixed = TRUE)) {
    return(old_base)
  } else {
    return(value)
  }
}

tibble(X = char_vector) %>%
mutate(base_value = accumulate(X, new_base),
       changed = ifelse(base_value != lag(base_value, default = ""),
                        "Y", "N"))

个字符
在accumulate中，函数返回的值作为第一个参数被送入下一次迭代，并且.

也许我们根本不需要滞后向量。我们可以把grepl逻辑放在ifelse函数中，然后把它放在acc中，累加Reduce。当我们用它来做factor时，我们可以利用底层的整数结构来计算diff。在基数不变的情况下，我们得到FALSE，在这里它做了TRUE。将+ 1添加到它允许我们很好地子集化向量c('N', 'Y')。

> base <- function(x, y) ifelse(grepl(y, x, fixed=TRUE), x, y)
> char_vector |> 
+   as.data.frame() |> 
+   transform(
+     switches=
+       c('N', 'Y')[
+         1L + (c(1, diff(as.factor(Reduce(fun, char_vector, acc=TRUE)))) != 0)]
+   )
  char_vector switches
1  applesauce        Y
2       apple        N
3  applesauce        N
4      orange        Y
5      orange        N
6      banana        Y
7    applepie        Y

字符串

• 数据类型：*

> dput(char_vector)
c("applesauce", "apple", "applesauce", "orange", "orange", "banana", 
"applepie")

型