如何运用DRY原则简化R中重复的数据处理代码？

问题核心 #

批量生成var3_*列：当对应var1_*为1时，取值为var2_*，否则为0，替代重复的case_when代码。

方法1：across+字符串匹配（贴合tidyverse风格） #

library(tidyverse)

data %<>%
  mutate(across(starts_with("var1_"), 
                # 用当前var1列名替换得到对应var2列，相乘实现逻辑
                ~ .x * pull(., str_replace(cur_column(), "var1", "var2")),
                # 生成var3_*列名，保留原后缀
                .names = "var3_{str_remove(.col, 'var1_')}"))

方法2：矩阵直接运算（简洁高效） #

因为var1_*是0/1变量，直接和var2_*列相乘即可满足需求，无需条件判断：

# 批量生成目标列名
var3_names <- sprintf("var3_%02d", 1:10)
# 直接对列矩阵做元素乘法
data[var3_names] <- data[, starts_with("var1_")] * data[, starts_with("var2_")]

方法3：purrr::map2批量处理列对 #

适合需要更复杂逻辑扩展的场景：

# 提取对应列名组
var1_cols <- str_subset(names(data), "^var1_")
var2_cols <- str_replace(var1_cols, "^var1", "var2")
var3_cols <- str_replace(var1_cols, "^var1", "var3")

# 配对处理每一组列
data[var3_cols] <- map2_dfc(data[var1_cols], data[var2_cols], ~ .x * .y)

原尝试代码的问题说明 #

1. isTRUE(.x==1)错误：.x是整列向量，isTRUE会将整个向量转为单个布尔值，无法实现逐元素判断；
2. 赋值逻辑错误：across的函数参数应返回计算后的向量，而非直接赋值操作；
3. .names参数使用不当：{numbers}无法匹配列的对应后缀，应基于原列名动态生成。

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