如何在R数据框中按Variable分组批量减去Diet=A的参考值？

方法1：基于plyr的批量处理（适配你现有代码） #

结合lapply遍历所有数值列，在ddply的transform中批量执行减法逻辑：

library(plyr)

# 定义原始数据框
df <- data.frame(Diet = c("A","A","B","C","A","C"),
                 Variable = c("hpv", "smc", "smc", "smc","lpc", "lpc"),
                 Value1 = c(5, 3, 7, 10, 1, 9),
                 Value2 = c(0.3, 0.56, 1.34, 1.5, 0.7, 2.4))

# 筛选出所有数值列（排除非数值的Diet和Variable）
num_cols <- setdiff(names(df), c("Diet", "Variable"))

# 按Variable分组，批量处理所有数值列
result <- ddply(df, .(Variable), transform,
                .data = lapply(num_cols, function(col) {
                  # 对每个列，减去同组内Diet=A的对应值
                  get(col) - get(col)[Diet == "A"]
                }) %>% setNames(num_cols))

print(result)

方法2：用dplyr（更简洁的现代方法） #

借助tidyverse生态的dplyr，across函数能更直观地实现批量处理：

手动指定数值列

library(dplyr)

result_dplyr <- df %>%
  group_by(Variable) %>%
  # 对Value1和Value2执行减法
  mutate(across(c(Value1, Value2), ~ .x - .x[Diet == "A"])) %>%
  ungroup()

print(result_dplyr)

自动识别所有数值列

如果后续会新增数值列，用where(is.numeric)自动匹配所有数值列：

result_dplyr_auto <- df %>%
  group_by(Variable) %>%
  mutate(across(where(is.numeric), ~ .x - .x[Diet == "A"])) %>%
  ungroup()

print(result_dplyr_auto)

两种方法都会得到你预期的输出：

Diet Variable Value1 Value2
1    A      hpv      0   0.00
2    A      smc      0   0.00
3    B      smc      4   0.78
4    C      smc      7   0.94
5    A      lpc      0   0.00
6    C      lpc      8   1.70

内容的提问来源于stack exchange，提问作者kin182