在R中使用通配符按晶圆分组计算行级聚合统计量

针对你需要按行对Wafer(1)、Wafer(2)对应的列分别计算min、max、mean等统计量的需求，这里提供三种实用的实现方法：

方法一：dplyr（tidyverse风格，易读性强） #

利用rowwise()开启按行处理模式，结合c_across()选中目标列，直接调用统计函数计算：

library(dplyr)

# 假设你的数据框名为df
df_processed <- df %>%
  rowwise() %>%
  mutate(
    Wafer1_Max = max(c_across(starts_with("Wafer(1)"))),
    Wafer1_Min = min(c_across(starts_with("Wafer(1)"))),
    Wafer1_Mean = mean(c_across(starts_with("Wafer(1)"))),
    Wafer2_Max = max(c_across(starts_with("Wafer(2)"))),
    Wafer2_Min = min(c_across(starts_with("Wafer(2)"))),
    Wafer2_Mean = mean(c_across(starts_with("Wafer(2)")))
  ) %>%
  ungroup()

• rowwise()：将数据框切换为按行处理模式
• c_across(starts_with("Wafer(1)"))：选中所有以Wafer(1)开头的列，组成向量供统计函数计算
• ungroup()：处理完成后取消行分组，恢复常规数据框结构

方法二：data.table（高效处理大数据） #

如果数据量较大，data.table的按行操作性能更优：

library(data.table)

setDT(df)

df[, c("Wafer1_Max", "Wafer1_Min", "Wafer1_Mean",
       "Wafer2_Max", "Wafer2_Min", "Wafer2_Mean") := list(
         max(.SD[, grep("Wafer\\(1\\)", names(.SD)), with = FALSE]),
         min(.SD[, grep("Wafer\\(1\\)", names(.SD)), with = FALSE]),
         mean(.SD[, grep("Wafer\\(1\\)", names(.SD)), with = FALSE]),
         max(.SD[, grep("Wafer\\(2\\)", names(.SD)), with = FALSE]),
         min(.SD[, grep("Wafer\\(2\\)", names(.SD)), with = FALSE]),
         mean(.SD[, grep("Wafer\\(2\\)", names(.SD)), with = FALSE])
       ), by = 1:nrow(df)]

• setDT(df)：将普通数据框转为data.table格式
• grep("Wafer\\(1\\)", names(.SD))：通过正则匹配选中Wafer(1)相关列（括号需转义）
• by = 1:nrow(df)：指定按每行分组处理
• :=：直接在原数据框添加新列，避免额外内存开销

方法三：基础R实现（无需第三方包） #

不想加载额外包的话，用基础R的apply系列函数也能完成：

# 提取Wafer1和Wafer2的列索引
wafer1_cols <- grep("Wafer\\(1\\)", names(df))
wafer2_cols <- grep("Wafer\\(2\\)", names(df))

# 计算统计量并添加为新列
df$Wafer1_Max <- apply(df[, wafer1_cols], 1, max)
df$Wafer1_Min <- apply(df[, wafer1_cols], 1, min)
df$Wafer1_Mean <- apply(df[, wafer1_cols], 1, mean)
df$Wafer2_Max <- apply(df[, wafer2_cols], 1, max)
df$Wafer2_Min <- apply(df[, wafer2_cols], 1, min)
df$Wafer2_Mean <- apply(df[, wafer2_cols], 1, mean)

• grep：匹配列名得到目标列的索引
• apply(..., 1, max)：按行（参数1代表行）对选中列应用max函数，返回每行的最大值向量

以上三种方法都能生成你预期的结果，可根据数据规模和个人习惯选择。

内容的提问来源于stack exchange，提问作者thentangler