基于预定义最大值对纵向数据指定变量进行反向计分

问题背景 #

我有纵向数据，需要基于单独数据框中存储的预定义最大值，对指定变量的所有时间点版本进行反向计分：

• 示例数据df包含DST、SOS、VR三个分数的基线（baseline）和wave1两个时间点数据
• neg_skew.vars指定需要反向计分的核心变量，其所有时间点衍生变量（如SOS.Score.baseline、SOS.Score.wave1）都需处理
• 反向计分公式为：(预定义最大值 + 1) - 原值，最大值来自df.CP1.vars对应记录
• 非目标变量（如VR）需保留，不能被过滤掉

现有代码存在两个问题：

• 过滤掉了非目标变量，未保留原数据的全部列
• 使用了变量自身的最大值（max(., na.rm=TRUE)），而非预定义的固定最大值，不符合纵向数据的计分要求

解决方案 #

通过dplyr的across()结合正则匹配和预定义最大值映射，可以高效实现需求，同时保留所有原数据列：

library(dplyr)
library(stringr)  # 需要用到str_extract函数

# 将预定义最大值转换为命名向量，方便按核心变量名查询
max_lookup <- df.CP1.vars$max.vars
names(max_lookup) <- df.CP1.vars$CP1.vars

# 生成正则匹配模式，匹配所有目标核心变量的衍生列
target_pattern <- paste0("^(", paste(neg_skew.vars, collapse = "|"), ")")

# 执行反向计分，保留原列并新增反向计分列
df_result <- df %>%
  mutate(
    across(
      matches(target_pattern),  # 筛选所有目标核心变量的时间点衍生列
      ~ (max_lookup[str_extract(cur_column(), target_pattern)] + 1) - .,
      .names = "{.col}_r"  # 新增列命名规则：原列名加_r后缀
    )
  )

关键逻辑说明 #

1. 预定义最大值映射：把df.CP1.vars转成命名向量，通过核心变量名（如"SOS.Score"）直接获取对应的预设最大值
2. 精准列匹配：用正则表达式匹配所有属于目标核心变量的衍生列，避免误匹配其他变量
3. 批量处理：遍历所有目标列，从列名中提取核心变量名，获取对应最大值后执行反向计分计算
4. 保留原数据：全程不做列过滤，原数据的所有列（包括无需处理的VR相关列）都会完整保留

结果验证 #

运行上述代码后，df_result的结构和计算值与期望的df_wanted完全一致，满足所有需求：

• 保留了所有原数据列
• 反向计分使用的是预定义最大值，而非变量自身的最大值
• 所有目标变量的时间点衍生列都生成了对应的反向计分列

内容的提问来源于stack exchange，提问作者AEP