如何按列名模式分组高效实现逐行累积均值计算？

背景 #

需要按列名前缀（如示例中的a、b）划分列组，逐行计算每组内从首列开始的累积均值：

• 对以a开头的列：a1_2是a1和a2的均值，a1_3是a1、a2、a3的均值，a1_4是a1至a4的均值；
• 对以b开头的列，遵循相同规则生成b1_2、b1_3、b1_4。

示例数据：

a1 = c(1, 2, 3)
a2 = c(4, 5, 6)
a3 = c(7, 8, 9)
a4 = c(10, 11, 12)
b1 = c(10, 20, 30)
b2 = c(40, 50, 60)
b3 = c(70, 80, 90)
b4 = c(100, 110, 120)

df = data.frame(a1, a2, a3, a4, b1, b2, b3, b4)

手动逐个定义新变量的方法效率极低，需要更高效的批量处理方案。

问题 #

如何批量生成这类有规律的累积均值列，避免手动逐个编写计算逻辑？

解决方案 #

方法1：dplyr + purrr 实现 #

利用dplyr的数据操作能力结合purrr的迭代功能，批量处理每个列组：

library(dplyr)
library(purrr)

# 提取所有列组的前缀
prefixes <- unique(substr(names(df), 1, 1))

# 定义生成单组累积均值的函数
add_cumulative_means <- function(data, prefix) {
  # 获取当前前缀对应的所有列
  target_cols <- names(data)[startsWith(names(data), prefix)]
  # 遍历需要计算的累积长度（从2到列组总列数）
  cumulative_cols <- map(2:length(target_cols), function(k) {
    # 计算每行的累积均值并命名
    rowMeans(data[, target_cols[1:k], drop = FALSE]) %>%
      setNames(paste0(prefix, "1_", k))
  }) %>%
    bind_cols()
  
  # 将新列与原数据合并
  bind_cols(data, cumulative_cols)
}

# 对所有前缀应用函数，生成最终结果
result <- reduce(prefixes, add_cumulative_means, .init = df)

print(result)

方法2：data.table 高效实现（适合大数据） #

data.table的语法更简洁，处理大数据集时效率更高：

library(data.table)
setDT(df)

# 提取列组前缀
prefixes <- unique(substr(names(df), 1, 1))

# 遍历每个前缀批量生成新列
for (prefix in prefixes) {
  target_cols <- grep(paste0("^", prefix), names(df), value = TRUE)
  for (k in 2:length(target_cols)) {
    new_col_name <- paste0(prefix, "1_", k)
    df[, (new_col_name) := rowMeans(.SD[, target_cols[1:k], with = FALSE])]
  }
}

print(df)

方法3：Base R 原生实现 #

无需额外加载包，用原生代码完成批量处理：

# 提取列组前缀
prefixes <- unique(substr(names(df), 1, 1))

# 遍历每个前缀生成累积均值列
for (prefix in prefixes) {
  target_cols <- grep(paste0("^", prefix), names(df), value = TRUE)
  n_cols <- length(target_cols)
  for (k in 2:n_cols) {
    new_col_name <- paste0(prefix, "1_", k)
    df[[new_col_name]] <- rowMeans(df[, target_cols[1:k], drop = FALSE])
  }
}

print(df)

三种方法最终都会生成符合要求的累积均值列，输出结果一致：

a1 a2 a3 a4 b1 b2 b3  b4 a1_2 a1_3 a1_4 b1_2 b1_3 b1_4
1  1  4  7 10 10 40 70 100  2.5    4  5.5   25   40   55
2  2  5  8 11 20 50 80 110  3.5    5  6.5   35   50   65
3  3  6  9 12 30 60 90 120  4.5    6  7.5   45   60   75

内容的提问来源于stack exchange，提问作者zhiwei li