如何基于分组对多列执行Min-Max归一化（dplyr实现）

推荐方案：使用across()批量处理列 #

dplyr的across()函数专门用来对多列执行相同操作，是处理这类需求最简洁的方式，支持指定具体列或按条件选择列，还能自定义新列命名规则。

1. 指定具体列生成归一化新列

如果你明确知道要处理的列（比如hp和mpg），可以直接列出来，同时生成带_norm后缀的新列（保留原始数据）：

mtcars %>%
  group_by(carb) %>%
  mutate(
    across(
      c(hp, mpg), 
      ~(.x - min(.x)) / (max(.x) - min(.x)), 
      .names = "{col}_norm"
    )
  ) %>%
  ungroup()

• c(hp, mpg)：指定需要归一化的目标列
• ~(.x - min(.x)) / (max(.x) - min(.x))：归一化逻辑，.x代表当前遍历的列
• .names = "{col}_norm"：设置新列名格式，{col}会自动替换为原列名，最终生成hp_norm、mpg_norm这类列

2. 对所有数值列执行归一化

如果需要批量处理所有数值类型的列，用where(is.numeric)作为列选择器即可：

mtcars %>%
  group_by(carb) %>%
  mutate(
    across(
      where(is.numeric), 
      ~(.x - min(.x)) / (max(.x) - min(.x)), 
      .names = "{col}_norm"
    )
  ) %>%
  ungroup()

3. 覆盖原列（不推荐）

如果不需要保留原始数据，直接覆盖原列的话，去掉.names参数即可：

mtcars %>%
  group_by(carb) %>%
  mutate(across(c(hp, mpg), ~(.x - min(.x)) / (max(.x) - min(.x)))) %>%
  ungroup()

备选方案：使用purrr实现 #

如果习惯用purrr的函数式风格，也可以结合map和mutate实现，但写法相对繁琐：

library(purrr)

# 定义需要归一化的列
cols_to_norm <- c("hp", "mpg")

mtcars %>%
  group_by(carb) %>%
  mutate(
    !!!set_names(
      map(cols_to_norm, ~(.data[[.x]] - min(.data[[.x]])) / (max(.data[[.x]]) - min(.data[[.x]]))),
      paste0(cols_to_norm, "_norm")
    )
  ) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者user3670179