如何实现：取C开头列最大值对应A列值，从B列中减得新列？

原始数据 #

A1    A2     A3       A4       B      C1        C2         C3       C4 

1     3      2        2        7       2        NA          6       9
4     6      12       1        3       1        6           5       2   
6     1      NA       1        7       3        2           2       1

需求说明 #

对每一行执行以下操作：

• 找出所有以C开头的列中的最大值（忽略NA）
• 获取该最大值所在列的后缀数字（比如C4的后缀是4）
• 匹配对应后缀的A列（比如后缀4对应A4）
• 用B列的值减去该A列的值，得到新列new

问题解答 #

1. 需求是否可实现？ #

完全可以实现，下面给出基于R语言tidyverse工具包的具体实现代码。

2. 是否可以使用starts_with()函数完成？ #

是的，starts_with()是tidyverse中用于按列名前缀筛选列的函数，刚好可以快速选中所有A开头和C开头的列，非常适配这个需求。

具体实现代码（R语言） #

library(dplyr)
library(stringr)

# 构造示例数据
df <- tibble(
  A1 = c(1, 4, 6),
  A2 = c(3, 6, 1),
  A3 = c(2, 12, NA),
  A4 = c(2, 1, 1),
  B = c(7, 3, 7),
  C1 = c(2, 1, 3),
  C2 = c(NA, 6, 2),
  C3 = c(6, 5, 2),
  C4 = c(9, 2, 1)
)

# 计算new列
df_result <- df %>%
  rowwise() %>%
  mutate(
    # 找到C开头列中最大值的位置（自动忽略NA）
    max_c_col_pos = which.max(c_across(starts_with("C"))),
    # 提取对应列的后缀数字
    suffix = as.numeric(str_extract(names(select(., starts_with("C")))[max_c_col_pos], "\\d+")),
    # 匹配对应的A列并计算new值
    new = B - pull(select(., starts_with("A"))[, suffix])
  ) %>%
  ungroup()

# 查看结果
print(df_result)

代码说明 #

• starts_with("C")和starts_with("A")分别筛选出所有C开头和A开头的列，无需手动输入列名，适配列名有规律的场景。
• rowwise()让后续计算按行执行，保证每行单独处理最大值。
• c_across()配合starts_with("C")获取每行的C列数据，which.max()自动忽略NA并找出最大值的位置。
• str_extract()从C列列名中提取后缀数字，用来匹配对应的A列。
• pull()取出对应A列的值，最终计算B - A列值得到new列。

运行代码后得到的结果和示例一致：

# A tibble: 3 × 10
     A1    A2    A3    A4     B    C1    C2    C3    C4   new
  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1     1     3     2     2     7     2    NA     6     9     5
2     4     6    12     1     3     1     6     5     2    -3
3     6     1    NA     1     7     3     2     2     1     1

内容的提问来源于stack exchange，提问作者alex