R语言dplyr中高效批量求和变量及按年份合并变量的方法

原始数据生成 #

先运行以下代码创建包含avar_YYYY、bvar_YYYY格式列的DataFrame：

library(dplyr) 
avar_2000  <- c(2,5,1)
avar_2001  <- c(2,3,1)
avar_2002  <- c(7,2,5)
bvar_2000  <- c(9,1,1)
bvar_2001  <- c(5,5,3)
bvar_2002  <- c(3,8,NA)

df <- data.frame(avar_2000,avar_2001,avar_2002,bvar_2000,bvar_2001,bvar_2002)
print(df)

生成的DataFrame如下：

现有部分实现代码 #

目前已实现的求和代码如下：

bvars <- c("bvar_2000","bvar_2001","bvar_2002")

df2 <- df %>% mutate(avar_sum = avar_2000 + avar_2001 + avar_2002) %>%
  rowwise() %>%
  mutate(bvar_sum = sum(across(all_of(bvars))))

print(df2)

得到结果：

问题1：批量按前缀生成求和列 #

需要简洁代码（无需逐个指定列），批量将所有avar_前缀的列求和生成avar_sum，所有bvar_前缀的列求和生成bvar_sum。

解决方案 #

利用dplyr的across结合rowSums实现，无需手动指定列名或使用rowwise（rowSums比rowwise+sum效率更高）：

df2 <- df %>%
  mutate(
    # 按前缀匹配avar列，求和生成avar_sum，保留NA逻辑与原代码一致
    avar_sum = rowSums(across(starts_with("avar_")), na.rm = FALSE),
    # 同理处理bvar列
    bvar_sum = rowSums(across(starts_with("bvar_")), na.rm = FALSE)
  )

print(df2)

• starts_with("avar_")会自动匹配所有以avar_开头的列，无需手动罗列
• na.rm = FALSE表示遇到NA时求和结果为NA，若需忽略NA求和，改为na.rm = TRUE即可

问题2：批量生成同年份的avar与bvar求和列 #

无需循环及手动逐行编写，将同一年份的avar_YYYY与bvar_YYYY列相加生成cvar_YYYY列。

解决方案1：利用列名匹配+cur_column()（简洁高效） #

通过across遍历avar_前缀列，结合cur_column()动态匹配对应年份的bvar列，自动生成cvar_YYYY列：

df2 <- df %>%
  # 批量生成cvar列
  mutate(
    across(starts_with("avar_"), 
           ~ . + get(sub("avar", "bvar", cur_column())),
           .names = "cvar_{sub('avar_', '', .col)}")
  ) %>%
  # 加上问题1的求和列
  mutate(
    avar_sum = rowSums(across(starts_with("avar_")), na.rm = FALSE),
    bvar_sum = rowSums(across(starts_with("bvar_")), na.rm = FALSE)
  )

print(df2)

• sub("avar", "bvar", cur_column())将当前遍历的avar_YYYY列名替换为bvar_YYYY
• .names = "cvar_{sub('avar_', '', .col)}"自动生成cvar_YYYY格式的新列名

解决方案2：长格式重塑计算（逻辑直观，扩展性强） #

通过tidyr的重塑函数将宽格式转长格式，计算后再转回宽格式，适合后续需要扩展更多变量的场景：

library(tidyr)

df2 <- df %>%
  # 宽转长：拆分列名为变量类型和年份
  pivot_longer(everything(), 
               names_to = c("var", "year"), 
               names_sep = "_",
               values_to = "value") %>%
  # 长转宽：将avar、bvar列为单独列
  pivot_wider(names_from = var, values_from = value) %>%
  # 计算同年份的cvar
  mutate(cvar = avar + bvar) %>%
  # 长转长：合并变量列
  pivot_longer(c(avar, bvar, cvar), 
               names_to = "var", 
               values_to = "value") %>%
  # 长转宽：转回原始宽格式，新增cvar列
  pivot_wider(names_from = c(var, year), values_from = value) %>%
  # 加上求和列
  mutate(
    avar_sum = rowSums(across(starts_with("avar_")), na.rm = FALSE),
    bvar_sum = rowSums(across(starts_with("bvar_")), na.rm = FALSE)
  )

print(df2)

内容的提问来源于stack exchange，提问作者Andre