使用dplyr为大型DataFrame生成每行含非正值的列名列

问题描述 #

我有一个规模极大的DataFrame，数据示例如下：

> p
    fu2_difftime_mridate_d_date fu2_difftime_premri fu2_difftime_prevfu fu2_difftime_fudate_d_date
1                          30.4                12.7               -14.2                        6.4
2                          12.9               -48.1               -47.6                       13.3

希望用dplyr实现：新增一列negvalues，存储每行中数值为0或负值的列名，期望输出如下：

> p
                negvalues fu2_difftime_premri fu2_difftime_prevfu fu2_difftime_fudate_d_date
1    "fu2_difftime_prevfu"               12.7               -14.2                        6.4

数据源结构：

p <- structure(list(fu2_date = structure(c(15428, 13746), class = "Date"), 
    fu2_mri_date = structure(c(16156, 13732), class = "Date"), 
    fu2_difftime_mridate_d_date = c(30.4, 12.9), fu2_difftime_premri = c(12.7, 
    -48.1), fu2_difftime_prevfu = c(-14.2, -47.6), fu2_difftime_fudate_d_date = c(6.4, 
    13.3)), row.names = 1:2, class = "data.frame")

解决方案 #

使用dplyr的行操作和列选择函数可以轻松实现需求，代码如下：

library(dplyr)

# 生成negvalues列
p <- p %>%
  rowwise() %>%
  mutate(negvalues = paste(
    names(.)[c_across(starts_with("fu2_difftime_")) <= 0],
    collapse = ", "
  )) %>%
  ungroup()

# 查看结果
print(p)

代码说明 #

• rowwise()：指定后续操作按行执行，确保每行单独判断
• c_across(starts_with("fu2_difftime_"))：精准选中所有需要判断的数值列（排除日期列fu2_date、fu2_mri_date）
• names(.)[c_across(...) <= 0]：筛选出当前行中数值≤0的列名
• paste(..., collapse = ", ")：如果一行有多个符合条件的列，用逗号拼接成字符串；只有一个时直接显示列名
• ungroup()：取消行分组，恢复DataFrame的常规处理模式

如果需要和示例输出的列顺序一致，可以追加select()调整列顺序：

p <- p %>%
  rowwise() %>%
  mutate(negvalues = paste(
    names(.)[c_across(starts_with("fu2_difftime_")) <= 0],
    collapse = ", "
  )) %>%
  ungroup() %>%
  select(negvalues, starts_with("fu2_difftime_"))

内容的提问来源于stack exchange，提问作者cmirian