如何使用dplyr以编程方式结合正则表达式计算变量对的差值并生成新列？

我来帮你搞定这个问题，其实用dplyr结合正则表达式就能轻松实现批量计算每个国家的delta列，下面给你几种不同的思路，你可以根据自己的需求选择：

方法一：手动指定计算（适合国家数量少的场景） #

如果只有countrya和countryb两个国家，直接在mutate里分别计算就行，代码简单直观：

library(tibble)
library(dplyr)

# 原始数据
tib <- tribble(
  ~id, ~var1_countrya, ~var2_countrya, ~var1_countryb, ~var2_countryb,
  1, 1, 2, 1, 2,
  2, 5, 3, 1, 3,
  3, 6, 3, 1, 3
)

# 计算delta列
tib %>%
  mutate(
    delta_countrya = var2_countrya - var1_countrya,
    delta_countryb = var2_countryb - var1_countryb
  )

运行后就能得到你想要的结果，每个国家的差值列都准确生成了。

方法二：批量自动处理（适合国家数量多的场景） #

如果后续会增加更多国家，手动写每个delta列就太麻烦了，我们可以用正则表达式自动识别所有国家后缀，批量计算：

library(stringr) # 需要用到字符串处理函数

# 从变量名中提取所有唯一的国家后缀
countries <- unique(str_extract(names(tib)[-1], "(?<=var\\d_).+$"))

# 批量生成delta列
tib %>%
  mutate(
    across(
      all_of(countries),
      ~ get(paste0("var2_", .x)) - get(paste0("var1_", .x)),
      .names = "delta_{.col}"
    )
  )

代码解释： #

• str_extract(names(tib)[-1], "(?<=var\\d_).+$")：用正则正向断言，提取var1_或var2_后面的国家名称（比如从var1_countrya里取出countrya）
• across(all_of(countries), ...)：遍历每个国家，计算对应的var2_国家名 - var1_国家名
• .names = "delta_{.col}"：自动设置新列的名称为delta_国家名，不用手动命名

方法三：用pivot转换格式实现（tidy数据思路） #

另一种更符合tidyverse风格的方法是先把宽格式数据转成长格式，计算差值后再转回宽格式：

tib %>%
  # 把宽格式转成长格式，拆分变量名为"var1/var2"和"国家名"
  pivot_longer(
    cols = -id,
    names_to = c(".value", "country"),
    names_pattern = "(var\\d)_(.+)"
  ) %>%
  # 计算每个国家的差值
  mutate(delta = var2 - var1) %>%
  # 转回宽格式，设置列名格式
  pivot_wider(
    id_cols = id,
    names_from = country,
    values_from = c(var1, var2, delta),
    names_glue = "{.value}_{country}"
  )

这种方法的好处是逻辑更清晰，即使变量名规则有小变化，调整正则表达式就能适配。

运行以上任意一种方法，都能得到你想要的最终tibble结果。

内容的提问来源于stack exchange，提问作者Tea Tree