如何在R中使用purrr包的map变体基于lambda向量生成新列？

核心实现代码 #

直接使用purrr::reduce()累积处理数据框，逐步添加对应lambda值的新列：

library(tidyverse)

multiply_column <- function(data, column_name, lambda) {
    new_column_name <- paste0(column_name, "_multiplied_", lambda)
    
    data %>%
        mutate(!!new_column_name := !!sym(column_name) * lambda)
}

lambda_values <- c(0.5, 0.75, 0.9)

# 批量生成新列
mtcars_processed <- lambda_values %>%
    reduce(.init = mtcars, ~ multiply_column(.x, "mpg", .y))

# 查看前10行结果
head(mtcars_processed, 10)

代码说明 #

• reduce()从.init指定的初始数据框（mtcars）开始，依次遍历lambda_values中的每个值：
  • .x代表每次迭代后累积得到的结果数据框
  • .y代表当前正在处理的lambda值
  • 每次调用multiply_column，都会在现有数据框上新增一列，最终得到包含所有目标列的完整数据框

另一种实现方式（map + 合并） #

如果偏好先用map生成所有新列再合并，也可以这么写：

# 先生成所有新列（仅保留新增列）
new_columns <- lambda_values %>%
    map_dfc(~ multiply_column(mtcars, "mpg", .y) %>% select(starts_with("mpg_multiplied")))

# 和原数据框合并
mtcars_processed <- bind_cols(mtcars, new_columns)

两种方式都能得到你期望的输出格式，其中reduce的方式更高效，因为不需要重复处理原数据框多次。

内容的提问来源于stack exchange，提问作者The Rookie