遍历数据列创建标记变量的高效实现方法

我有一个包含大量数值列的数据集（如下示例中的x、y、z列），希望为每个数值列创建对应的标记变量（x_YN、y_YN、z_YN），规则为：当数值列的值>0时，标记变量赋值为1，否则赋值为0。请问最高效的实现方式是什么？

示例数据集代码：

x <- c(3, 7, 0, 10)
y <- c(5, 2, 20, 0)
z <- c(0, 0, 4, 12)

df <- data.frame(x,y,z)

以下是几种高效的实现方式，可根据数据集规模和使用习惯选择：

1. dplyr（tidyverse）批量处理 #

适合追求代码可读性和简洁性的场景，处理中等规模数据集效率优异：

library(dplyr)

df <- df %>%
  mutate(across(where(is.numeric), ~as.integer(.x > 0), .names = "{.col}_YN"))

• across(where(is.numeric))：精准选中所有数值列，避免处理非数值列
• ~as.integer(.x > 0)：将col > 0的逻辑判断结果自动转为1/0
• .names = "{.col}_YN"：自动生成带_YN后缀的新列名

2. Base R 原生向量化操作 #

无需依赖第三方包，利用R的向量化特性，性能出色且轻量化：

# 生成新列名称
new_col_names <- paste0(names(df), "_YN")
# 批量计算并添加新列
df[new_col_names] <- lapply(df, function(col) as.integer(col > 0))

• lapply对每列批量执行判断逻辑，返回结果直接赋值给新列
• 原生代码无额外依赖，适合快速处理场景

3. data.table 高性能处理 #

针对超大规模数据集（百万级及以上行数），data.table的原地修改特性能显著提升速度、节省内存：

library(data.table)

# 转换为data.table格式
setDT(df)
# 原地添加新列
df[, paste0(names(df), "_YN") := lapply(.SD, function(col) as.integer(col > 0))]

• :=运算符实现原地修改，避免数据复制，大幅提升处理效率
• .SD代表当前选中的所有列，默认处理全部列

内容的提问来源于stack exchange，提问作者kthomas