如何在R函数中评估字符向量元素以动态创建数据变量

问题背景 #

给定如下R数据集：

library(tibble)
df <- data.frame(
  basket = c("A1", "A2", "A3", "A4", "A5", "A6", "A7", "A8"),
  fruits = c("orange, apple", "apple", "pineapple, banana", "strawberry, apple, watermelon", "blueberry, pear", "apple, papaya", "apple", "strawberry")
)

其中basket为篮子名称，fruits是每个篮子的水果列表（逗号分隔）。需要为指定水果（apple、strawberry、pineapple）生成虚拟变量，标记每个篮子是否包含对应水果（1=包含，0=不包含）。

用户尝试编写自定义函数批量生成变量，但遇到错误：

fruits_list <- c("apple", "strawberry", "papaya")

create_ind_vars <- function(df, num) {
  df %>% 
    mutate("ind_{{num}}" := if_else(
      charges == !! rlang::sym(paste0(num))
      | str_starts(charges, !! rlang::sym(paste0(num, ",")))
      | str_detect(charges, !! rlang::sym(paste0(",", num, ",")))
      | str_ends(charges, !! rlang::sym(paste0(",", num))),
      1, 0
    ))
}

testdat <- create_ind_vars(df, fruits_list)

报错信息：

Error in `rlang::sym()`:
! Can't convert a character vector to a symbol.
Run `rlang::last_trace()` to see where the error occurred.

错误原因 #

1. 变量名误写：函数中charges应为数据集里的fruits列；
2. 语法误用：rlang::sym()用于转换单个字符为符号，但传入的是字符向量，且无需用该函数——直接字符串匹配即可；
3. 函数逻辑缺陷：设计为处理单个水果，但直接传入向量导致批量处理失败；
4. 变量命名错误："ind_{{num}}"的写法不符合动态命名语法，需结合glue风格语法与:=使用。

解决方案 #

方法1：使用dplyr::across（推荐，简洁高效） #

利用across批量处理指定水果，结合stringr::str_detect精准匹配字符串，同时用glue语法生成变量名：

library(dplyr)
library(stringr)

target_fruits <- c("apple", "strawberry", "pineapple")

df_result <- df %>%
  mutate(
    across(
      all_of(target_fruits),
      ~as.integer(str_detect(fruits, regex(paste0("\\b", .x, "\\b"), ignore_case = FALSE))),
      .names = "{.col}"
    )
  )

print(df_result)

说明：

• \\b是单词边界，避免匹配pineapple时误判包含apple；
• as.integer将逻辑值（TRUE/FALSE）转换为1/0；
• .names = "{.col}"直接用水果名作为新变量名，符合需求格式。

方法2：修正自定义函数+循环迭代 #

若坚持使用自定义函数，调整为处理单个水果，再循环遍历目标列表：

library(dplyr)
library(stringr)

create_ind_var <- function(df, fruit) {
  df %>%
    mutate(
      !!fruit := as.integer(
        str_detect(fruits, regex(paste0("\\b", fruit, "\\b")))
      )
    )
}

target_fruits <- c("apple", "strawberry", "pineapple")
df_result <- df
for (fruit in target_fruits) {
  df_result <- create_ind_var(df_result, fruit)
}

print(df_result)

也可使用purrr::reduce简化循环：

library(purrr)
df_result <- reduce(target_fruits, create_ind_var, .init = df)

方法3：用tidyr拆分后计数 #

先把水果拆分成单独行，统计每个篮子的水果出现情况，再合并回原数据：

library(tidyr)
library(dplyr)

target_fruits <- c("apple", "strawberry", "pineapple")

df_result <- df %>%
  left_join(
    df %>%
      separate_rows(fruits, sep = ",\\s*") %>%
      filter(fruits %in% target_fruits) %>%
      mutate(value = 1) %>%
      pivot_wider(
        id_cols = basket,
        names_from = fruits,
        values_from = value,
        values_fill = 0
      ),
    by = "basket"
  ) %>%
  mutate(across(all_of(target_fruits), ~replace_na(.x, 0)))

print(df_result)

说明：

• separate_rows将逗号分隔的水果拆分为单独行；
• pivot_wider将行转列为虚拟变量；
• replace_na把未匹配到目标水果的篮子填充为0。

内容的提问来源于stack exchange，提问作者Andrew Skelton