R语言：基于pos范围条件批量生成多列判断结果的方法

示例数据构造 #

先创建符合需求的示例数据框：

# 主数据框：包含ID、分组标识及待判断的数值列
df <- data.frame(
  ID = 1:5,
  group = c("A", "B", "A", "C", "B"),
  value = c(12, 22, 16, 33, 18)
)

# 分组范围配置表：每个分组对应的数值范围（拆分为最小值和最大值）
dt <- data.frame(
  group = c("A", "B", "C"),
  pos_min = c(10, 20, 30),
  pos_max = c(15, 25, 35)
)

# 若你的dt中pos是区间字符串（如"10-15"），可先拆分转换：
# dt <- tidyr::separate(dt, pos, into = c("pos_min", "pos_max"), sep = "-", convert = TRUE)

当前逐列实现方式 #

如果手动为每个分组生成判断列，代码如下：

# 手动生成A组判断列：判断value是否在A组的pos范围内
df$A <- df$value >= dt$pos_min[dt$group == "A"] & df$value <= dt$pos_max[dt$group == "A"]
# 手动生成B组判断列
df$B <- df$value >= dt$pos_min[dt$group == "B"] & df$value <= dt$pos_max[dt$group == "B"]
# 手动生成C组判断列
df$C <- df$value >= dt$pos_min[dt$group == "C"] & df$value <= dt$pos_max[dt$group == "C"]

运行后输出：

> df
  ID group value     A     B     C
1  1     A    12  TRUE FALSE FALSE
2  2     B    22 FALSE  TRUE FALSE
3  3     A    16 FALSE FALSE FALSE
4  4     C    33 FALSE FALSE  TRUE
5  5     B    18 FALSE FALSE FALSE

批量处理方案 #

方案1：Base R 循环实现 #

无需额外包，直接循环生成所有分组列：

# 获取所有分组标识
all_groups <- dt$group

# 循环遍历每个分组，生成对应的判断列
for (g in all_groups) {
  # 提取当前分组的范围边界
  min_val <- dt$pos_min[dt$group == g]
  max_val <- dt$pos_max[dt$group == g]
  # 生成判断列，列名与分组名一致
  df[[g]] <- df$value >= min_val & df$value <= max_val
}

方案2：dplyr + purrr 函数式实现 #

适合熟悉tidyverse生态的用户，代码更简洁：

library(dplyr)
library(purrr)

df_result <- df %>%
  mutate(
    # 为每个分组生成判断列
    !!!map(set_names(dt$group), ~ {
      min_val <- dt$pos_min[dt$group == .x]
      max_val <- dt$pos_max[dt$group == .x]
      ~ .x >= min_val & .x <= max_val
    })
  ) %>%
  # 调整列顺序，将判断列放在后面
  select(ID, group, value, all_of(dt$group))

期望输出样式 #

两种批量方案最终都会生成与手动实现完全一致的结果：

ID group value     A     B     C
1  1     A    12  TRUE FALSE FALSE
2  2     B    22 FALSE  TRUE FALSE
3  3     A    16 FALSE FALSE FALSE
4  4     C    33 FALSE FALSE  TRUE
5  5     B    18 FALSE FALSE FALSE

内容的提问来源于stack exchange，提问作者Alegría