如何通过循环批量为R数据框生成指定合并变量？

问题背景 #

现有如下R数据框：

A1_Q1 <- c(1, 2, 3)
A1_Q2 <- c(4, 5, 6)
A1_Q3 <- c(7, 8, 9)
A1_Q4 <- c(10, 11, 12)
A1_Q5 <- c(13, 14, 15)
A1_Q6 <- c(16, 17, 18)

A2_Q1 <- c(1, 2, 3)
A2_Q2 <- c(4, 5, 6)
A2_Q3 <- c(7, 8, 9)
A2_Q4 <- c(10, 11, 12)
A2_Q5 <- c(13, 14, 15)
A2_Q6 <- c(16, 17, 18)

df <- data.frame(A1_Q1, A1_Q2, A1_Q3, A1_Q4, A1_Q5, A1_Q6,
                 A2_Q1, A2_Q2, A2_Q3, A2_Q4, A2_Q5, A2_Q6)

已手动为A1系列变量生成新变量：

df <- df %>%
  unite("col1a",
        A1_Q1,
        A1_Q2,
        sep="-",
        remove = FALSE) %>%
  unite("col1b",
        A1_Q3,
        A1_Q4,
        sep="-",
        remove = FALSE) %>%
  unite("col1c",
        A1_Q5,
        A1_Q6,
        sep="-",
        remove = FALSE) 

希望通过循环批量对A2系列执行相同操作，生成col2a、col2b、col2c，但设想的循环无法运行：

for (i in 1:2) {
  df <- df %>%
    unite("colia",
          Ai_Q1,
          Ai_Q2,
          sep="-",
          remove = FALSE) %>%
    unite("colib",
          Ai_Q3,
          Ai_Q4,
          sep="-",
          remove = FALSE) %>%
    unite("colic",
          Ai_Q5,
          Ai_Q6,
          sep="-",
          remove = FALSE) 
}

问题原因 #

你设想的循环无法直接运行，因为R不会自动识别Ai_Q1中的i为循环变量值，会把它当作字面量变量名，导致报错找不到Ai_Q1这类变量。需要用字符串拼接+tidyeval的方式动态生成变量名和新列名。

解决方案 #

方案1：修改for循环，使用tidyeval动态处理 #

用sym()将字符串转为符号变量，glue()拼接字符串生成新列名和原变量名：

library(dplyr)
library(tidyr)
library(glue)

for (i in 1:2) {
  # 生成原变量名和新列名
  col_a_name <- glue("col{i}a")
  q1_name <- glue("A{i}_Q1")
  q2_name <- glue("A{i}_Q2")
  
  col_b_name <- glue("col{i}b")
  q3_name <- glue("A{i}_Q3")
  q4_name <- glue("A{i}_Q4")
  
  col_c_name <- glue("col{i}c")
  q5_name <- glue("A{i}_Q5")
  q6_name <- glue("A{i}_Q6")
  
  # 动态执行unite
  df <- df %>%
    unite(!!col_a_name, !!sym(q1_name), !!sym(q2_name), sep="-", remove=FALSE) %>%
    unite(!!col_b_name, !!sym(q3_name), !!sym(q4_name), sep="-", remove=FALSE) %>%
    unite(!!col_c_name, !!sym(q5_name), !!sym(q6_name), sep="-", remove=FALSE)
}

• glue()：用来拼接字符串，生成符合要求的变量名
• sym()：将字符串转为R能识别的变量符号
• !!：强制解引用，告诉dplyr这是一个动态变量，不是字面量

方案2：用purrr批量处理，更简洁 #

如果不想用for循环，可以用purrr::walk批量处理每个分组：

library(dplyr)
library(tidyr)
library(purrr)

walk(1:2, function(i) {
  df <<- df %>%
    unite(glue("col{i}a"), all_of(glue("A{i}_Q{c(1,2)}")), sep="-", remove=FALSE) %>%
    unite(glue("col{i}b"), all_of(glue("A{i}_Q{c(3,4)}")), sep="-", remove=FALSE) %>%
    unite(glue("col{i}c"), all_of(glue("A{i}_Q{c(5,6)}")), sep="-", remove=FALSE)
})

• all_of()：用来选择字符串对应的列，适合动态列选择
• <<-：因为walk是函数内操作，需要用全局赋值更新df

方案3：更高效的批量处理（无需循环） #

如果变量命名规则统一，也可以直接按前缀分组处理，一步生成所有新列：

library(dplyr)
library(tidyr)

# 先转字符避免unite时类型问题
df <- df %>%
  mutate(across(starts_with("A"), as.character)) %>%
  rowwise() %>%
  mutate(
    col1a = paste(A1_Q1, A1_Q2, sep="-"),
    col1b = paste(A1_Q3, A1_Q4, sep="-"),
    col1c = paste(A1_Q5, A1_Q6, sep="-"),
    col2a = paste(A2_Q1, A2_Q2, sep="-"),
    col2b = paste(A2_Q3, A2_Q4, sep="-"),
    col2c = paste(A2_Q5, A2_Q6, sep="-")
  ) %>%
  ungroup()

这种方式适合变量数量不多的场景，代码更易读。

内容的提问来源于stack exchange，提问作者hy9fesh