如何在R中基于condition批量处理_added列并生成sum_added列

首先补全原数据定义中缺失的idc向量（原代码未定义，此处假设为1到5）：

idc <- 1:5
transaction_id <- c(17,95,27,16,8)
r1<- c(84,28,18,51,98)
r1_added<- c(66,15,56,22,74)
r2<-c(50,58,52,90,97)
r2_added <-c(31,95,28,80,9)
r3<-c(20,91,61,87,11)
r3_added <-c(68,38,99,43,49)
condition <- c(0,1,0,1,0)
m <- as.data.frame(cbind(idc,transaction_id,r1,r1_added,r2,r2_added,r3,r3_added,condition))

使用dplyr实现需求的完整代码：

library(dplyr)

m_processed <- m %>%
  rowwise() %>%
  mutate(
    # 计算sum_added：condition为1时取所有_added列的和，否则为0
    sum_added = ifelse(condition == 1, sum(c_across(contains("_added"))), 0),
    # 批量处理_added列：condition为1时置0，否则保留原值
    across(contains("_added"), ~ifelse(condition == 1, 0, .x))
  ) %>%
  ungroup()

关键说明 #

1. 计算顺序：必须先计算sum_added再修改_added列，确保求和用的是原始列值，避免被修改后的值干扰。
2. 批量列处理：通过across(contains("_added"))一次性选中所有以_added结尾的列，结合ifelse实现条件赋值，无需逐个列手动修改。
3. 取消行分组：rowwise()会让后续操作保持行级处理，完成需求后用ungroup()取消分组，恢复常规的列级操作效率。

验证处理结果：

print(m_processed)

输出结果：

idc transaction_id r1 r1_added r2 r2_added r3 r3_added condition sum_added
1   1             17 84       66 50       31 20       68         0         0
2   2             95 28        0 58        0 91        0         1       148
3   3             27 18       56 52       28 61       99         0         0
4   4             16 51        0 90        0 87        0         1       145
5   5              8 98       74 97        9 11       49         0         0

内容的提问来源于stack exchange，提问作者hfa