如何在tidyverse中自动批量生成数百个基于rnorm的测试列？

方法1：使用map + 解引用符号!!! #

这种方法利用purrr::map生成命名的列向量列表，再通过!!!将列表解包为mutate的多个参数，实现批量列生成：

library(tidyverse)

# 定义需要生成的测试列数量
n_tests <- 100

test <- df %>%
  group_by(id) %>%
  mutate(
    # 生成命名的列向量列表，再解包到mutate中
    !!!map(
      .x = set_names(paste0("test", 1:n_tests)),
      .f = ~ rnorm(n(), mean = indicator, sd = indicator_sd)
    )
  ) %>%
  ungroup()

原理说明 #

• set_names(paste0("test", 1:n_tests))生成指定格式的列名（test1到test100），作为map的输入名称
• map遍历每个列名，对每个组生成符合要求的正态分布随机向量
• !!!是tidyeval语法中的解引用操作，将列表中的每个元素转换为mutate的一个新列赋值语句，等价于手动写出所有testX = ...

方法2：使用replicate + bind_cols #

如果更习惯基础R的replicate函数，也可以结合bind_cols实现批量列添加：

n_tests <- 100

test <- df %>%
  group_by(id) %>%
  do(
    bind_cols(
      .,
      replicate(
        n = n_tests,
        expr = rnorm(nrow(.), mean = .$indicator, sd = .$indicator_sd),
        simplify = FALSE
      ) %>% set_names(paste0("test", 1:n_tests))
    )
  ) %>%
  ungroup()

原理说明 #

• replicate重复执行rnorm语句n_tests次，simplify = FALSE确保返回列表而非矩阵
• set_names为列表元素命名后，通过bind_cols将这些新列与原数据框合并
• do函数用于在分组上下文中执行自定义操作，将每个组的处理结果合并回整体数据框

验证方法正确性 #

可以先将n_tests设为4，运行代码后对比你原来手动生成的结果结构，两者完全一致（仅随机数因种子不同有差异）。如果需要固定随机数结果，可在代码开头添加set.seed(123)来复现结果。

内容的提问来源于stack exchange，提问作者Steffen