在R中实现分组变量与其余变量的交互项循环生成

现有如下R代码生成的数据集（实际协变量数量远多于示例）：

install.packages("mltools")
library(mltools)
library(dplyr)
set.seed(1234)

data <- tibble::data_frame(
  age = round(runif(60, min = 48, max = 90)),
  gender = sample(c(0,1), replace=TRUE, size=60),
  weight = round(runif(60, min = 100, max = 300)),
  group = sample(letters[1:4], size = 60, replace = TRUE))

one_hot <- data[,c("group")] %>% 
  glmnet::makeX() %>%
  data.frame()
data$group <- NULL
data <- cbind(data, one_hot)

需要生成包含独热编码分组变量（groupa、groupb、groupc、groupd）分别与age、gender、weight的交互项（如groupa*age、groupa*gender等）的数据框，寻求仅针对指定列生成交互项的实现方法。

方法一：Base R 循环实现 #

这种方法直观易懂，无需额外依赖tidyverse包：

# 自动识别独热分组列和协变量列
group_cols <- grep("^group", colnames(data), value = TRUE)
covar_cols <- setdiff(colnames(data), group_cols)

# 生成所有交互项的配对组合
interact_pairs <- expand.grid(group = group_cols, covar = covar_cols, stringsAsFactors = FALSE)

# 循环计算并添加交互项
for (i in 1:nrow(interact_pairs)) {
  group_col <- interact_pairs$group[i]
  covar_col <- interact_pairs$covar[i]
  new_col_name <- paste(group_col, covar_col, sep = "*")
  data[[new_col_name]] <- data[[group_col]] * data[[covar_col]]
}

思路 #

• 通过grep自动匹配所有以group开头的独热编码列，避免手动列名输入
• 用setdiff提取出除分组列外的所有协变量列
• 借助expand.grid生成所有分组列与协变量列的配对
• 循环遍历每个配对，计算两列乘积并以分组列*协变量列命名添加到数据框

方法二：tidyverse 批量处理实现 #

如果习惯使用tidyverse生态，可通过dplyr+purrr实现批量生成：

library(dplyr)
library(purrr)
library(stringr)

# 定义目标列名
group_cols <- c("groupa", "groupb", "groupc", "groupd")
covar_cols <- c("age", "gender", "weight")

# 批量生成交互项并合并到原数据框
data_with_interactions <- data %>%
  mutate(
    across(all_of(group_cols), 
           ~ map2(.x, data[covar_cols], `*`) %>% 
             set_names(str_c(cur_column(), covar_cols, sep = "*")),
           .names = "{.col}_temp")
  ) %>%
  unnest_wider(everything(), names_sep = "") %>%
  select(-ends_with("_temp"))

思路 #

• 用across遍历所有分组列
• 对每个分组列，通过map2与每个协变量列执行乘积运算
• 用set_names为交互项设置规范的列名
• 最后用unnest_wider将嵌套的列表列展开为普通数据列，再清理临时后缀

内容的提问来源于stack exchange，提问作者R and C.F