R语言tidyverse：处理asfr列并保留指定列的技术问题

我有一个包含超过50万条记录的数据集，示例结构如下：

library(tidyverse)
sample <- tibble( 
  iD=c(1,2),
  age=c(38,40), born_1=c(14,1),born_2=c(9,NA), born_3=c(4,NA),  born_4=c(0,NA), asfr15=c( 0.0000), asfr16=c( 
    7.40444, 7.40444),  
  asfr17=c( 42.87749, 7.40444),  asfr18=c(73.05321, 7.40444),asfr19=c(98.28869, 7.40444),asfr20=c( 144.9568, 7.40444),asfr21= c
    (164.976,180.280),asfr22=c(180.280,180.280),asfr23=c(191.304,180.280),asfr24=c(200.199,180.280),asfr25=c(200.2018,180.280),
  asfr26=c(200.2007,180.280),asfr27=c( 200.3920,180.280),asfr28=c(197.6840,180.280),asfr29=c( 193.7632,180.280),
  asfr30=c(187.6072,180.280),asfr31=c(179.5616,180.280),asfr32=c( 170.5096,180.280),asfr33=c( 160.8376,180.280),asfr34=c( 
    150.4840,180.280),asfr35=c( 139.3304,180.280),asfr36=c( 127.7960,180.280),asfr37=c( 115.0280,180.280),asfr38=c( 100.7200,180.280),
  asfr39=c(85.6256,180.280),asfr40=c( 182.4384,180.280),asfr41=c( 178.412,180.280),asfr42=c( 171.928,180.280), asfr43=c( 
    163.316,180.280),asfr44=c( 152.9056,180.280),asfr45=c( 141.0264,180.280),asfr46=c( 128.008,180.280),asfr47=c( 114.180,180.280),asfr48=c( 
      99.872,180.280), asfr49=c( 85.4136,180.280))

我需要完成两个计算：

1. 将asfr15到asfr49列的值除以1000后求和，得到TFR列
2. 将asfr15到asfr49列的值除以1000后，再除以对应的TFR值，同时保留原始的iD、age、born_1到born_4列，并且asfr15到asfr49的列名保持不变

之前写的代码能完成计算，但会丢失需要保留的列：

sample3<- mutate(sample2, TFR=(rowSums(sample2[,7:41]))/1000)
sample4<-((sample3[,2:36])/1000) / sample3[,49]

方法1：使用tidyverse的across函数（推荐） #

利用dplyr的across可以精准匹配目标列，在保留所有原始列的同时完成计算，步骤如下：

library(tidyverse)

sample_processed <- sample %>%
  mutate(
    # 计算asfr系列列除以1000后的行和，生成TFR列
    TFR = rowSums(across(starts_with("asfr")), na.rm = TRUE) / 1000,
    # 更新asfr系列列的值为 (原值/1000)/TFR
    across(starts_with("asfr"), ~ (.x / 1000) / TFR)
  )

• starts_with("asfr")自动匹配所有以asfr开头的列，无需手动写列索引，列顺序变化也不影响结果
• na.rm = TRUE确保计算行和时忽略NA值，适配你的数据情况
• 整个过程在一个管道中完成，不会丢失任何原始列，asfr系列列名保持不变

方法2：基于列索引的base R方法 #

如果习惯用base R操作，可以通过列索引选择目标列，直接赋值更新：

# 定义asfr系列列的索引（示例中为第7到第41列）
asfr_cols <- 7:41

# 复制原始数据，避免修改原数据集
sample_processed <- sample

# 第一步：计算TFR列
sample_processed$TFR <- rowSums(sample_processed[, asfr_cols], na.rm = TRUE) / 1000

# 第二步：更新asfr系列列的值
sample_processed[, asfr_cols] <- (sample_processed[, asfr_cols] / 1000) / sample_processed$TFR

• 直接对目标列赋值更新，所有原始列都会保留
• 若数据存在NA，rowSums需加na.rm = TRUE避免结果为NA

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