如何基于另一数据集的映射对数据框列进行分组求和？

针对你的需求，这里提供两种高效的批量处理方法，解决手动重复编码和动态生成列名的问题：

方法一：基于rowwise + c_across（与你的初始思路衔接） #

先从df_groups中构建分组-列名的命名列表，再通过动态语法批量生成求和列：

library(dplyr)
library(purrr)

# 构建分组映射的命名列表：键为组名，值为对应列名向量
group_col_map <- df_groups %>%
  group_split(group) %>%
  set_names(map(., ~ first(.x$group))) %>%
  map(~ .x$cols)

# 批量按组计算行和
df_result <- df_raw %>%
  rowwise() %>%
  transmute(
    !!!imap(group_col_map, ~ sum(c_across(all_of(.x))))
  )

方法二：基于rowSums（更高效，适合大样本） #

如果数据集较大（比如100列），rowSums的向量化操作比rowwise更快：

library(dplyr)
library(purrr)

# 同样先构建分组映射列表
group_col_map <- df_groups %>%
  group_split(group) %>%
  set_names(map(., ~ first(.x$group))) %>%
  map(~ .x$cols)

# 批量计算每组的行和并合并结果
df_result <- map_dfc(group_col_map, ~ rowSums(select(df_raw, all_of(.x))))

说明 #

• 两种方法都会自动将df_groups中的group值作为结果数据框的列名，解决第一个问题；
• 通过构建分组映射列表并结合map/!!!动态语法，无需为30个分组重复编写求和代码，解决第二个问题；
• 方法二的执行效率更高，推荐用于列数较多的场景。

内容的提问来源于stack exchange，提问作者Ran K