R语言从RealAttribute列提取属性值生成新列的问题求助

问题分析 #

• 核心需求是将RealAttribute_1到RealAttribute_10这10列，分别映射到对应的属性列（如intelligence、attractiveness等），生成新列存储对应值。
• apply返回全NA通常是因为未正确匹配列与属性的对应关系，或是apply的MARGIN参数设置错误（默认按列处理，若误按行处理会导致匹配失败）。
• c_across报错是因为它必须在rowwise()上下文的mutate()等数据掩码动词内使用，且引用列时需确保列名正确，或使用all_of()等工具处理动态列名。

1. 构造示例数据（可复现测试） #

先模拟你的realData结构，确保代码能直接运行：

set.seed(123) # 固定随机种子，结果可复现
# 定义10个属性名称
attributes <- c("intelligence", "attractiveness", "humor", "kindness", "creativity",
                "confidence", "empathy", "ambition", "honesty", "sociability")
# 生成5行10列的随机数据
realData <- as.data.frame(matrix(sample(1:10, 5*10, replace = TRUE), nrow = 5))
# 设置列名为RealAttribute_1到RealAttribute_10
colnames(realData) <- paste0("RealAttribute_", 1:10)

2. dplyr + purrr 灵活映射方案（推荐） #

无需硬编码每个列，适合批量处理：

library(dplyr)
library(purrr)

# 建立原列名与目标属性名的映射：键是目标属性名，值是原列名
col_attr_map <- set_names(paste0("RealAttribute_", 1:10), attributes)

# 批量生成新列
realData_new <- realData %>%
  mutate(!!!map2(col_attr_map, names(col_attr_map), function(orig_col, new_col_name) {
    # 提取原列的值作为新列
    across(all_of(orig_col), ~.x)
  }))

关键解释 #

• set_names创建原列到新属性名的映射关系，确保每个RealAttribute_X对应正确的属性。
• !!!将map2生成的列表展开为mutate的参数，实现批量生成新列。
• all_of()安全引用动态列名，避免数据掩码环境下的列名解析错误。

3. base R 简洁方案 #

无需加载额外包，快速实现需求：

# 建立属性名与原列索引的映射
attr_col_index <- set_names(1:10, attributes)

# 批量生成新列并合并到原数据框
realData_new_base <- cbind(realData, lapply(attr_col_index, function(idx) realData[, idx]))

关键解释 #

• lapply遍历每个属性对应的原列索引，提取对应列的值作为新列。
• cbind将新列列表直接合并到原数据框。

4. 手动硬编码方案（适合少量列场景） #

若属性与列的对应关系固定且数量少，可直接手动指定：

realData_new_manual <- realData %>%
  rowwise() %>%
  mutate(
    intelligence = c_across(RealAttribute_1),
    attractiveness = c_across(RealAttribute_2),
    humor = c_across(RealAttribute_3),
    kindness = c_across(RealAttribute_4),
    creativity = c_across(RealAttribute_5),
    confidence = c_across(RealAttribute_6),
    empathy = c_across(RealAttribute_7),
    ambition = c_across(RealAttribute_8),
    honesty = c_across(RealAttribute_9),
    sociability = c_across(RealAttribute_10)
  ) %>%
  ungroup()

注意事项 #

必须在rowwise()之后使用c_across，处理完成后用ungroup()取消行分组，避免后续操作出错。

内容的提问来源于stack exchange，提问作者Yahel