如何批量生成Flag列：基于case_when跨列处理治疗数据年度变化

问题 #

我有一个大型数据集df，包含按国家（ISO3）、年份（Year）统计的各类治疗人数列（列名含下划线，实际名称如HIV_treatment）。需要为每个治疗列自动生成Flag_Treat_X列，标记年度变化：较上年减少为"down"，增加为"up"，缺失数据为NA。已掌握逐列处理方法，但因数据量大、列名易变，需要自动化方案。

简化示例数据 #

ISO3 <- c("AFG", "AFG","AFG", "BEN", "BEN","BEN", "GIN", "GIN", "GIN", "ZWE", "ZWE", "ZWE")
Year <- c(2020, 2021, 2022, 2020, 2021, 2022, 2020, 2021, 2022, 2020, 2021, 2022)
Treat_1 <- c(100, 110, 120, 300, 330, 360, 200, 220, 100, 300, NA, 320)

df = data.frame(ISO3, Year, Treat_1)

逐列处理示例（可行但不自动化） #

df_poutcome %>%
   group_by(ISO3) %>%
   mutate(Target_art_n_pf = case_when(Treat_1 < lag(Treat_1) ~ "down",
                                      Treat_1 > lag(Treat_1) ~ "up", 
                                      TRUE ~ as.character(NA)))

尝试的循环方法（存在问题） #

for (i in grep("_", names(temp), value=TRUE)){
 
  varname = ((gsub(" ", "", paste("Flag_",i))))
  temp = temp %>%
       group_by(ISO3) %>%
       mutate(!!varname:= case_when(i < lag(i) ~ "down",
                                   i > lag(i) ~ "up"))

}

问题点：新生成的Flag_[...]列全为NA值，且无法加入TRUE ~ as.character(NA)语句。

期望输出 #

解决方案 #

方法1：使用dplyr::across（推荐，高效简洁） #

利用across批量处理符合条件的列，无需循环，代码简洁且适配大数据量：

library(dplyr)

# 筛选所有含下划线的治疗列（可根据实际需求调整筛选规则）
treat_cols <- grep("_", names(df), value = TRUE)

df_result <- df %>%
  group_by(ISO3) %>%
  mutate(
    across(
      all_of(treat_cols),
      ~ case_when(
        .x > lag(.x) ~ "up",
        .x < lag(.x) ~ "down",
        TRUE ~ NA_character_  # 处理相等、缺失等所有其他情况
      ),
      .names = "Flag_{.col}"  # 自动生成新列名，格式为Flag_原列名
    )
  ) %>%
  ungroup()  # 可选，根据后续需求决定是否取消分组

说明：

• all_of(treat_cols)指定要处理的目标列
• .x代表当前循环的列，lag(.x)获取该列的上一行值
• .names = "Flag_{.col}"自动生成规范的新列名
• NA_character_是字符型NA，比as.character(NA)更规范

方法2：修正循环方法 #

之前循环出错的核心原因是直接用字符变量i做比较，而非引用数据框中对应的列。改用.data[[i]]引用列即可解决：

library(dplyr)

temp <- df  # 复制原数据
treat_cols <- grep("_", names(temp), value = TRUE)

for (i in treat_cols) {
  varname <- paste0("Flag_", i)
  temp <- temp %>%
    group_by(ISO3) %>%
    mutate(
      !!varname := case_when(
        .data[[i]] > lag(.data[[i]]) ~ "up",
        .data[[i]] < lag(.data[[i]]) ~ "down",
        TRUE ~ NA_character_
      )
    ) %>%
    ungroup()
}

说明：

• .data[[i]]用来引用数据框中名为i的列，避免把字符串i当成比较值
• !!varname通过准引用实现动态赋值新列名
• TRUE ~ NA_character_覆盖所有不符合up/down的场景（包括缺失值、相等值）

内容的提问来源于stack exchange，提问作者mikimouse