如何高效地将数据框指定列按对应分母列完成除法运算

你可以通过以下几种高效方式实现需求，将df中dict指定的分子列与对应分母列执行除法运算：

方法1：Tidyverse 风格实现（简洁直观） #

借助dplyr和purrr的组合，批量处理列运算并生成命名结果列：

library(tidyverse)

# 生成除法结果列并合并到原数据框
result_df <- df %>%
  bind_cols(
    map2_dfc(
      dict$numerator_cols,
      dict$denominator_cols,
      ~ mutate(., !!paste0(.x, "_div_", .y) := .data[[.x]] / .data[[.y]])
    )
  )

• 新列命名格式为[分子列]_div_[分母列]（如a_div_e）
• map2_dfc会按对应关系遍历每一组列对，自动将结果按列合并

方法2：Base R 实现（无额外依赖） #

无需加载第三方包，用原生R函数完成：

# 定义结果列名
new_cols <- paste0(dict$numerator_cols, "_div_", dict$denominator_cols)

# 计算除法并合并到原数据框
result_df_base <- cbind(
  df,
  setNames(
    lapply(seq_len(nrow(dict)), function(i) df[[dict$numerator_cols[i]]] / df[[dict$denominator_cols[i]]]),
    new_cols
  )
)

• lapply遍历每一组列对执行除法，setNames为结果列赋予自定义名称

方法3：向量化矩阵运算（大数据场景更高效） #

针对大型数据框，利用矩阵向量化运算提升效率：

# 提取分子列与分母列的矩阵
num_mat <- df[, dict$numerator_cols]
den_mat <- df[, dict$denominator_cols]

# 逐列执行除法
div_mat <- num_mat / den_mat

# 重命名结果列并合并
colnames(div_mat) <- paste0(dict$numerator_cols, "_div_", dict$denominator_cols)
result_df_vectorized <- cbind(df, div_mat)

• 矩阵运算避免了循环开销，在数据量较大时性能优势明显

内容的提问来源于stack exchange，提问作者spazznolo