如何在R中高效批量生成基于多变量的新变量？

针对你有30组ProcedureStatusXX/ProcedureLocationXX/ProcedureCodeXX变量、需要批量生成对应ProcedureCodeFinalXX的需求，不用重复写30次mutate，推荐以下几种高效实现方式：

方法1：用dplyr的across批量处理（适配tidyverse工作流） #

利用变量命名的规律性，通过across批量匹配所有ProcedureCode开头的变量，自动关联对应的Status和Location列：

library(dplyr)
library(stringr)

# 生成01-30的组编号
group_nums <- str_pad(1:30, width = 2, pad = "0")

DataFrame <- DataFrame %>%
  mutate(
    across(
      # 匹配所有ProcedureCodeXX列
      all_of(str_c("ProcedureCode", group_nums)),
      # 逻辑判断：对应Status是Complete且Location是Onsite时保留Code，否则为空
      ~if_else(
        get(str_replace(cur_column(), "Code", "Status")) == "Complete" &
          get(str_replace(cur_column(), "Code", "Location")) == "Onsite",
        .x,
        ""
      ),
      # 自动生成最终列名：把ProcedureCodeXX替换成ProcedureCodeFinalXX
      .names = "ProcedureCodeFinal{str_remove(.col, 'ProcedureCode')}"
    )
  )

方法2：用data.table处理百万级大数据（速度优先） #

如果你的数据超过100万行，data.table的赋值效率比dplyr更高：

library(data.table)
setDT(DataFrame)

# 生成01-30的组编号
group_nums <- sprintf("%02d", 1:30)

for(num in group_nums) {
  # 批量拼接列名
  status_col <- paste0("ProcedureStatus", num)
  loc_col <- paste0("ProcedureLocation", num)
  code_col <- paste0("ProcedureCode", num)
  final_col <- paste0("ProcedureCodeFinal", num)
  
  # 用fifelse（比base::ifelse更快）赋值
  DataFrame[, (final_col) := fifelse(get(status_col) == "Complete" & get(loc_col) == "Onsite", get(code_col), "")]
}

方法3：重塑数据格式处理（逻辑更清晰） #

通过宽转长、处理后再转宽的方式，避免直接操作列名，适合变量命名严格规律的场景：

library(tidyr)
library(dplyr)

DataFrame_final <- DataFrame %>%
  # 宽格式转长格式：把每一组的三个变量合并到同一行
  pivot_longer(
    everything(),
    names_to = c(".value", "group"),
    names_pattern = "(Procedure\\w+)(\\d{2})"
  ) %>%
  # 生成最终代码列
  mutate(ProcedureCodeFinal = if_else(ProcedureStatus == "Complete" & ProcedureLocation == "Onsite", ProcedureCode, "")) %>%
  # 转回宽格式，恢复原来的列结构
  pivot_wider(
    names_from = group,
    values_from = c(ProcedureStatus, ProcedureLocation, ProcedureCode, ProcedureCodeFinal)
  )

场景选择 #

• 如果你平时用tidyverse，优先选方法1，代码简洁易维护；
• 处理百万级大数据时，方法2的速度优势明显；
• 变量命名完全规律的话，方法3逻辑更直观，不容易出错。

内容的提问来源于stack exchange，提问作者Norwooder