基于循环与条件筛选重构学生测试数据生成答案键

我需要重构学生测试数据df_test以生成答案键列表。其中Q1.C至Q20.C表示学生对应题目作答是否正确，Q1.CH至Q20.CH为学生的具体答案。目标输出为包含**Question（题目）和Answer_Key（答案键）**的数据框。

之前手动创建多个子表再合并，20道题时可行，但题目超过100道时手动工作量极大。尝试用循环实现但未成功，现有手动代码如下：

x1<-data.frame(table(df_test$Q1.CH,df_test$Q1.C))%>%
   subset(Freq!=0 & Var2==1)%>%
   mutate(Question_ID="Q1")%>%
   select(Var1,Question_ID)
x2<-data.frame(table(df_test$Q2.CH,df_test$Q2.C))%>%
   subset(Freq!=0 & Var2==1)%>%
  mutate(Question_ID="Q2")%>%
  select(Var1,Question_ID)

# ... 中间省略x3到x19的代码 ...

x20<-data.frame(table(df_test$Q20.CH,df_test$Q20.C))%>%
  subset(Freq!=0 & Var2==1)%>%
  mutate(Question_ID="Q20")%>%
  select(Var1,Question_ID)
x<-do.call(rbind.data.frame, mget(ls(pattern = "^x")))

解决方案1：使用tidyverse批量处理（推荐） #

这种方法无需手动逐个定义子表，适配任意数量的题目：

library(tidyverse)

# 提取所有唯一的题目编号（比如Q1、Q2...Qn）
question_ids <- str_extract(names(df_test), "^Q\\d+") %>% 
  unique() %>% 
  na.omit()

# 批量处理每个题目，自动合并结果
answer_key_df <- map_dfr(question_ids, function(q_id) {
  # 拼接对应题目的答案列和对错列名
  ch_col <- paste0(q_id, ".CH")
  c_col <- paste0(q_id, ".C")
  
  # 筛选作答正确的记录，提取答案并去重
  df_test %>%
    filter(.data[[c_col]] == 1) %>%
    select(Answer_Key = .data[[ch_col]]) %>%
    distinct() %>%
    mutate(Question = q_id) %>%
    select(Question, Answer_Key)
})

代码说明： #

• str_extract从列名中自动提取所有Q开头的题目编号
• map_dfr遍历每个题目，处理后自动合并为一个数据框
• .data[[col]]用于动态引用列名，避免硬编码
• distinct()确保每个题目的答案键唯一（重复正确答案只保留一次）

解决方案2：基础R循环实现 #

如果偏好使用基础R，以下循环代码可以实现同样功能：

# 初始化空结果数据框
answer_key_df <- data.frame(
  Question = character(), 
  Answer_Key = character(), 
  stringsAsFactors = FALSE
)

# 提取所有唯一的题目编号
question_ids <- gsub("\\.(C|CH)$", "", names(df_test)[grepl("^Q\\d+\\.(C|CH)$", names(df_test))]) %>% 
  unique()

# 循环处理每个题目
for(q_id in question_ids) {
  # 获取对应列名
  ch_col <- paste0(q_id, ".CH")
  c_col <- paste0(q_id, ".C")
  
  # 筛选作答正确且非NA的答案，去重
  correct_answers <- unique(df_test[[ch_col]][df_test[[c_col]] == 1 & !is.na(df_test[[c_col]])])
  
  # 如果存在正确答案，添加到结果数据框
  if(length(correct_answers) > 0) {
    answer_key_df <- rbind(answer_key_df, 
                           data.frame(Question = q_id, 
                                      Answer_Key = correct_answers, 
                                      stringsAsFactors = FALSE))
  }
}

代码说明： #

• grepl筛选出所有题目相关的列，gsub去掉后缀提取题目编号
• 循环中动态引用列，筛选正确答案后去重
• 判断length(correct_answers)避免添加空行

内容的提问来源于stack exchange，提问作者Ksalad