如何用R的dplyr/tidyverse基于单列条件创建新列？

问题 #

我有一个大型动物爱好者成本反馈的DataFrame，目前用ifelse()处理条件创建新列，但数据量增大后效率不足，希望用dplyr/tidyverse工具实现以下需求：

• pig的成本固定为100；
• 其余动物成本均分，若Feedback中包含pig，需先从总成本Cost里减去100再均分；
• 需要处理Feedback列里的特殊字符（逗号、&、and、斜杠等）来拆分动物名称。

示例数据：

df = structure(list(Feedback = c("cat, dog, rabbit", "cat & rabbit ", 
                                 "cat and fish", "dog/pig/rabbit", "cat, pig", "fish, rabbit, dog", 
                                 "dog, cat and pig"), Cost = c(90L, 80L, 50L, 300L, 200L, 120L, 
                                 260L), pig = c(100L, 100L, 100L, 100L, 100L, 100L, 100L)), 
                                 class = "data.frame", row.names = c(NA, -7L))

理想输出为包含cat、dog、rabbit、fish、pig_new列的DataFrame，数值符合规则要求。

解决方案 #

用tidyverse工具链可以高效完成批量数据处理，代码如下：

library(tidyverse)

result_df <- df %>%
  # 统一处理Feedback列的分隔符，拆分出动物列表
  mutate(
    cleaned_feedback = str_replace_all(Feedback, "[^a-zA-Z]+", ","),
    cleaned_feedback = str_squish(cleaned_feedback),
    animal_list = str_split(cleaned_feedback, ",")
  ) %>%
  unnest(animal_list) %>%
  mutate(animal_list = str_trim(animal_list)) %>%
  # 按原始行分组，计算可分配成本与单动物成本
  group_by(row.names(df)) %>%
  mutate(
    has_pig = any(animal_list == "pig"),
    alloc_cost = ifelse(has_pig, first(Cost) - 100, first(Cost)),
    non_pig_count = sum(animal_list != "pig"),
    animal_cost = ifelse(animal_list == "pig", 100, alloc_cost / non_pig_count)
  ) %>%
  # 转换为宽格式，填充缺失动物的成本为0
  pivot_wider(
    names_from = animal_list,
    values_from = animal_cost,
    values_fill = 0
  ) %>%
  # 调整列名与顺序
  rename(pig_new = pig) %>%
  select(cat, dog, rabbit, fish, pig_new, Cost)

print(result_df)

代码说明 #

• 字符清洗：用str_replace_all将所有非字母的分隔符替换为逗号，再拆分出干净的动物名称列表，避免特殊字符干扰；
• 分组计算：按原始数据行分组，判断是否包含pig，计算可分配给非pig动物的总成本，再根据非pig动物数量算出单动物均分成本；
• 格式转换：用pivot_wider将长格式数据转为需求的宽格式，缺失的动物成本填充为0；
• 列调整：重命名pig列为pig_new，调整列顺序匹配需求。

运行后输出结果：

内容的提问来源于stack exchange，提问作者Luther_Proton