R Markdown中避免重复代码的高效编码方案问询

优化方案：封装函数+批量处理 #

把重复的处理逻辑封装成自定义函数，将每次变化的部分（uPCR列名、结果列后缀）作为参数传入，再批量处理所有目标列，既减少冗余代码，也降低出错概率。

1. 定义处理函数

library(dplyr)
library(rlang)

process_uPCR <- function(uPCR_col, suffix) {
  crude_test %>%
    # 选择目标uPCR列和固定变量
    select(!!sym(uPCR_col), Sex, Diabetes, Hypertension) %>%
    # 计算转换后的uPCR值
    mutate(uPCR_18_500 = !!sym(uPCR_col) * 0.01768,
           uPCR_18_50 = !!sym(uPCR_col) * 0.1768) %>%
    # 计算各类极值
    mutate(min_50 = pmin(uPCR_18_50, 1),
           min_500 = pmin(uPCR_18_500, 1),
           max_min_500 = pmax(min_500, 0.1),
           max_500 = pmax(uPCR_18_500, 1)) %>%
    # 计算预测ACR（mg/g）
    mutate(predACR = exp(5.2659 + 0.2934 * log(min_50) + 1.5643 * log(max_min_500) + 
                           1.1109 * log(max_500) - 0.0773*Sex + 0.0797*Diabetes + 0.1265*Hypertension)) %>%
    # 转换单位并命名结果列
    mutate(!!paste0("mmol_ACR_18_", suffix) := predACR / 8.84) %>%
    # 重命名原始uPCR列（可选）
    rename(!!paste0("uPCR_18_", suffix) := !!sym(uPCR_col))
}

2. 批量处理所有目标列

先列出需要处理的uPCR列名和对应的后缀：

uPCR_targets <- tibble(
  col_name = c("uPCR.18.19.1", "uPCR.18.19.2"),  # 可以继续添加更多列
  suffix = c("1", "2")
)

用purrr::pmap批量执行，结果可以存为列表，也可以直接赋值为你需要的pACR_18_1这类对象：

library(purrr)

# 批量处理得到结果列表
result_list <- pmap(uPCR_targets, process_uPCR)

# 将列表中的元素分别赋值为全局环境中的pACR_18_1、pACR_18_2
names(result_list) <- paste0("pACR_18_", uPCR_targets$suffix)
list2env(result_list, envir = .GlobalEnv)

关键说明

• 函数中!!sym(uPCR_col)是tidyeval语法，用来将字符串形式的列名转换为dplyr可识别的变量，避免硬编码列名。
• 之前尝试用向量合并对象的方法失败，是因为你需要的是对不同列执行相同处理逻辑，而非合并已生成的对象，封装函数+批量处理才是正确的思路。
• 后续如果要新增uPCR列，只需在uPCR_targets中添加行即可，无需修改处理逻辑。

内容的提问来源于stack exchange，提问作者RazaS