如何在R中用for循环索引变量？数据处理代码报错求解

原代码的错误点 #

• mutate内不能直接嵌套for循环：dplyr::mutate的语法要求传入列表达式，而非循环语句，直接放置for循环会触发语法错误。
• 错误的变量赋值方式：paste("Age", i, sep = "") = ...试图用字符串直接作为变量名赋值，R不支持这种语法，必须使用动态变量解析方式（如sym()+!!）。
• 无效的列引用：paste("df$Age", i, sep = "")仅拼接出类似"df$Age1"的字符串，并未实际引用数据框df中的Age1列，R无法识别该字符串对应的变量。

可行解决方案 #

方案1：正确使用for循环处理 #

遍历目标列名，逐个修改数据框列：

# 加载stringr包（str_remove依赖）
library(stringr)

# 若不想修改原数据框，先复制一份
df_new <- df
for (i in 1:6) {
  col_name <- paste0("Age", i)
  # 去除末尾"y"并转为数字
  df_new[[col_name]] <- as.numeric(str_remove(df_new[[col_name]], "y"))
}

方案2：用dplyr的across批量处理（更简洁） #

无需循环，通过across匹配目标列，一次性完成处理：

library(dplyr)
library(stringr)

# 匹配所有以Age开头的列
df_new <- df %>%
  mutate(across(starts_with("Age"), ~ as.numeric(str_remove(.x, "y"))))

# 或精准指定Age1到Age6
df_new <- df %>%
  mutate(across(paste0("Age", 1:6), ~ as.numeric(str_remove(.x, "y"))))

方案3：用data.table高效处理（适合大数据） #

如果数据量较大，data.table的处理效率更优：

library(data.table)
library(stringr)

setDT(df)
df_new <- df[, (paste0("Age", 1:6)) := lapply(.SD, function(x) as.numeric(str_remove(x, "y"))), .SDcols = paste0("Age", 1:6)]

内容的提问来源于stack exchange，提问作者yjay