如何在R中用dplyr高效批量创建数据框变量（避循环与ifelse）

针对你需要批量生成immo_com_i列的需求，以下是两种比循环更高效的向量化实现方案，完全基于dplyr生态工具：

方法1：用across配合列名匹配直接处理宽格式数据 #

利用列名的规律，通过across遍历目标列并批量计算，无需循环：

library(dplyr)
library(stringr)

# 初始化输入数据框
df <- as.data.frame(cbind(c(50,100,40),c(50,0,60),c(100,0,50), c(0,50,50)))
colnames(df) <- c("parcj_immo1","parpr_immo1","parcj_immo2","parpr_immo2")

# 批量生成immo_com列
df <- df %>%
  mutate(
    across(
      starts_with("parcj_immo"),
      ~ case_when(
        # 匹配对应的parpr_immo列，判断条件
        .x == get(str_replace(cur_column(), "parcj", "parpr")) & 
        get(str_replace(cur_column(), "parcj", "parpr")) != 0 ~ 1,
        TRUE ~ 0
      ),
      # 自动生成新列名：immo_com_1、immo_com_2...
      .names = "immo_com_{str_extract(.col, '(?<=immo)\\d+')}"
    )
  )

方法2：转长格式处理（适合大量列场景） #

当需要处理的i数量较多时，将数据转成长格式后逻辑更清晰，避免复杂的列名匹配：

library(dplyr)
library(tidyr)

# 初始化输入数据框
df <- as.data.frame(cbind(c(50,100,40),c(50,0,60),c(100,0,50), c(0,50,50)))
colnames(df) <- c("parcj_immo1","parpr_immo1","parcj_immo2","parpr_immo2")

df_processed <- df %>%
  # 转长格式，拆分出类型（parcj/parpr）和编号
  pivot_longer(
    everything(),
    names_to = c("type", "immo_num"),
    names_pattern = "(parcj|parpr)_immo(\\d+)",
    values_to = "value"
  ) %>%
  # 按行和编号分组，转宽后计算条件
  group_by(rowid = row_number(), immo_num) %>%
  pivot_wider(names_from = type, values_from = value) %>%
  mutate(immo_com = case_when(parcj == parpr & parpr != 0 ~ 1, TRUE ~ 0)) %>%
  # 转回宽格式并与原数据合并
  pivot_wider(
    id_cols = rowid,
    names_from = immo_num,
    values_from = c(parcj, parpr, immo_com),
    names_glue = "{.value}_immo{immo_num}"
  ) %>%
  select(-rowid) %>%
  bind_cols(df, .) %>%
  select(sort(colnames(.))) # 按列名排序方便查看

关于原循环方案的问题 #

你原有的循环写法存在两个核心问题：

1. 每次循环都重新赋值整个数据框，产生大量不必要的内存开销；
2. mutate中直接用paste0作为变量名无效，即使通过!!sym()修正动态命名，循环的效率依然远低于向量化操作（dplyr的across和tidyr的重塑都是向量化实现，处理速度更快）。

内容的提问来源于stack exchange，提问作者Chloe_pa