在R中批量列求和：如何重复操作并替换变量名？

问题背景 #

我正在用apply函数做列求和，但需要对50组变量重复相同操作（替换变量名），不想写多行重复代码。现有数据框结构如下：

a<- 100:300
b<- 50:250
c<- 200:400
d<- 0:200
e<- 300:500
df<-tibble(a,a*2, a/2, b,b*2, b/2, c,c*2, c/2, d,d*2, d/2,e,e*2, e/2)
colnames(df)<-c("A_2000", "A_2001", "A_2002", "B_2000","B_2001", "B_2002",
                "C_2000","C_2001", "C_2002", "D_2000","D_2001", "D_2002",
                "E_2000","E_2001", "E_2002")

目前单组操作代码：

df$A<-apply(cbind(df$A_2000,df$B_2001,df$C_2002), 1, sum)

需要对B、C、D、E等共50组变量执行类似操作，求高效实现方式。

解决方案 #

方法1：dplyr+purrr批量处理 #

先提取变量前缀，再按规则匹配对应年份的列，逐行求和后批量添加新列：

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

# 获取所有变量前缀（A/B/C/D/E）
prefixes <- unique(str_extract(colnames(df), "^[A-Z]"))

# 循环处理每个前缀
prefixes %>%
  walk(function(p) {
    idx <- which(prefixes == p)
    # 按规则确定要求和的列
    col1 <- paste0(prefixes[idx], "_2000")
    col2 <- if (idx < length(prefixes)) paste0(prefixes[idx+1], "_2001") else NA
    col3 <- if (idx < length(prefixes)-1) paste0(prefixes[idx+2], "_2002") else NA
    
    # 过滤有效列后求和
    cols_to_sum <- c(col1, col2, col3)[!is.na(c(col1, col2, col3))]
    df[[p]] <<- rowSums(df[cols_to_sum], na.rm = TRUE)
  })

方法2：基础R循环实现 #

无需额外包，用基础R语法完成批量操作：

# 提取变量前缀
prefixes <- substr(colnames(df), 1, 1) |> unique()

# 循环处理每个前缀
for (i in seq_along(prefixes)) {
  p <- prefixes[i]
  col1 <- paste0(p, "_2000")
  col2 <- if (i < length(prefixes)) paste0(prefixes[i+1], "_2001") else NULL
  col3 <- if (i < length(prefixes)-1) paste0(prefixes[i+2], "_2002") else NULL
  
  cols <- c(col1, col2, col3)
  df[[p]] <- rowSums(df[cols], na.rm = TRUE)
}

方法3：data.table高效处理 #

针对大数据量场景，用data.table提升运行效率：

library(data.table)
setDT(df)

prefixes <- unique(substr(names(df), 1, 1))

# 循环生成新列
for (p in prefixes) {
  idx <- which(prefixes == p)
  cols <- c(
    paste0(prefixes[idx], "_2000"),
    if (idx < length(prefixes)) paste0(prefixes[idx+1], "_2001"),
    if (idx < length(prefixes)-1) paste0(prefixes[idx+2], "_2002")
  )
  df[, (p) := rowSums(.SD, na.rm = TRUE), .SDcols = cols]
}

注意事项 #

• 以上方法默认求和规则为：当前前缀的_2000列 + 下一个前缀的_2001列 + 下下个前缀的_2002列，最后几组无后续前缀时自动忽略缺失列。
• rowSums比apply(..., 1, sum)效率更高，尤其适合大数据量场景。

内容的提问来源于stack exchange，提问作者Javiera