如何在R的tidyverse中高效实现多列除以单列生成新列

针对你的需求，直接用mutate()结合across()就能高效完成批量列的除法运算，完全不需要多次调用mutate。以下是具体实现方案：

1. 先模拟一个示例数据集（方便你测试） #

library(tidyverse)

# 构造测试数据：2列标识列 + 多个value列，共5万行
set.seed(123)
df <- tibble(
  gene_name = paste0("gene_", 1:50000),
  gene_length = sample(100:1000, 50000, replace = TRUE),
  value1 = rnorm(50000, 100, 20),
  value2 = rnorm(50000, 200, 30),
  value3 = rnorm(50000, 150, 25),
  value4 = rnorm(50000, 300, 40),
  value5 = rnorm(50000, 250, 35)
)

2. 批量执行除法并生成标准化列 #

核心代码如下，会自动将所有value开头的列除以gene_length，并生成带_norm后缀的新列：

df_norm <- df %>%
  mutate(
    across(
      .cols = starts_with("value"),  # 选择所有以value开头的列
      .fns = ~ .x / gene_length,     # 执行除法：当前列 / gene_length
      .names = "{.col}_norm"         # 新列名规则：原列名 + _norm
    )
  )

3. 灵活调整列选择规则 #

如果你的value列命名规则不是以value开头，或者需要指定列位置，可以替换.cols参数：

• 用正则匹配列名：匹配value后接数字的列：matches("value\\d+")
• 用列位置选择：前两列是标识列，从第3列到第21列是目标列：3:21
• 排除特定列：除了gene_name和gene_length之外的所有列：-c(gene_name, gene_length)

示例：用列位置选择的写法

df_norm <- df %>%
  mutate(
    across(
      .cols = 3:21,
      .fns = ~ .x / gene_length,
      .names = "{.col}_norm"
    )
  )

为什么这个方法高效？ #

across()是tidyverse专为批量列操作设计的函数，它底层是向量化运算，不会像循环或多次mutate那样产生额外的性能开销，完全能轻松处理5万行的数据集。

内容的提问来源于stack exchange，提问作者Josh