如何编写循环判断DataFrame多列值是否在指定两列区间并输出1/0

针对你需要判断多列是否处于X、Y区间并生成1/0结果的需求，这里有几个更简洁高效的优化方案，避免创建大量中间列：

方案1：用across+rowSums快速判断 #

直接批量处理所有测试列，通过行求和判断是否有满足条件的列，一步生成结果并删除测试列：

library(tidyverse)

set.seed(123) # 固定随机种子，结果可复现
df3 = data.frame(X = sample(1:3, 15, replace = TRUE),
                 Y = sample(1:3, 15, replace = TRUE),
                 Z = sample(1:3, 15, replace = TRUE),
                 A = sample(1:3, 15, replace = TRUE))

df3_optimized <- df3 %>%
  # 对Z、A列批量判断是否在[X,Y]区间，行求和后判断是否大于0，转成1/0
  mutate(check = as.integer(rowSums(across(c(Z, A), ~ .x >= X & .x <= Y)) > 0)) %>%
  select(-c(Z, A)) # 删除被测试的列

方案2：Reduce+across实现任意列满足条件 #

如果需要严格匹配你原来用Reduce做逻辑或的思路，也可以直接在mutate里完成，不用先创建中间列：

df3_optimized <- df3 %>%
  mutate(check = as.integer(Reduce(`|`, across(c(Z, A), ~ .x >= X & .x <= Y)))) %>%
  select(-c(Z, A))

方案3：自动匹配所有测试列（无需指定列名） #

如果测试列是除X、Y外的所有列，用排除法批量处理，不管新增多少测试列都不用改代码：

df3_optimized <- df3 %>%
  mutate(check = as.integer(Reduce(`|`, across(-c(X, Y), ~ .x >= X & .x <= Y)))) %>%
  select(X, Y, check) # 直接保留需要的列，等价于删除测试列

优化亮点 #

• 省去了创建T1、T2等大量中间布尔列的步骤，代码更简洁且节省内存
• 批量处理测试列，不用重复编写mutate语句
• 一步完成计算和列清理，流程更顺畅

内容的提问来源于stack exchange，提问作者gered