如何在R中按多分组对多列应用自定义函数并生成新列

核心思路 #

使用dplyr包的group_by()完成分组，结合across()（dplyr 1.0.0+推荐用法）批量处理指定列，同时通过命名规则自动生成带_zscore后缀的新列。

完整代码实现 #

先加载依赖包，再运行以下代码：

# 加载dplyr包
library(dplyr)

# 保留自定义修正Z分数函数
mod.zscore <- function(df, i) {
  vec <- df[[i]]
  median.vec <- median(vec, na.rm = TRUE)
  absolute.diff <- abs(vec - median.vec)
  MAD <- median(absolute.diff, na.rm = TRUE)
  mod.z <- (0.6745 * (vec - median.vec)) / MAD
  return(mod.z)
}

# 保留示例数据
data <- data.frame(id = seq(1, 100, by = 1),
                     sex = sample(c('M', 'F'), 100, replace = TRUE),
                     age_class = sample(c('A', 'S'), 100, replace = TRUE), # A = adult, S = subadult
                     weight = sample(80:600, 100, replace = TRUE),
                     offspring = sample(c('Y','N'), 100, replace = TRUE),
                     albumin = rnorm(100, 5, 2),
                     cortisol = rnorm(100, 30, 12),
                     calcium = rnorm(100, 0.3, 0.005),
                     globulin = rnorm(100, 1.9, 0.3),
                     insulin = rnorm(100, 3, 0.13))

# 分组计算并生成新列
data <- data %>%
  group_by(age_class, sex) %>%
  mutate(
    # 处理albumin到insulin的所有目标列
    across(albumin:insulin, 
           ~mod.zscore(cur_data(), cur_column()),
           # 设置新列命名规则：原列名 + _zscore
           .names = "{.col}_zscore")
  ) %>%
  # 取消分组，避免后续操作受分组状态影响
  ungroup()

代码细节解释 #

1. 分组逻辑：group_by(age_class, sex)将数据按年龄组和性别拆分为独立子集，确保后续计算基于分组内的数据
2. 批量列处理：across(albumin:insulin, ...)指定要处理的列范围，无需逐个列名手动输入
3. 函数适配：cur_data()获取当前分组的数据集，cur_column()获取当前处理的列名，完美匹配自定义函数的参数要求
4. 自动命名：.names = "{.col}_zscore"将原列名替换到占位符位置，自动生成如albumin_zscore的规范新列名
5. 取消分组：ungroup()恢复数据的非分组状态，避免后续操作出现分组相关的意外问题

旧版dplyr兼容方案（<1.0.0） #

如果你的dplyr版本较低无法使用across()，可以用mutate_at()替代：

data <- data %>%
  group_by(age_class, sex) %>%
  mutate_at(vars(albumin:insulin), ~mod.zscore(cur_data(), cur_column())) %>%
  rename_at(vars(albumin:insulin), ~paste0(., "_zscore")) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者burphound