如何在R中高效批量处理名称相似列的重复运算？

针对你遇到的重复列计算问题，tidyverse有两种高效的解决方案，既简洁又能动态适配时间周期：

方法一：长格式转换法（直观易理解） #

先将宽格式数据转换为长格式，统一计算市值后再转回宽格式，这种方式逻辑清晰，后续扩展分析也更方便：

步骤示例 #

1. 构造示例数据：

library(tidyverse)

# 创建示例数据框
df <- tibble(
  company = "TeslaInc",
  shares_2010 = 1000, shares_2011 = 1200, shares_2020 = 2000,
  share_price_2010 = 8, share_price_2011 = 15, share_price_2020 = 40
)

2. 转换格式并计算市值：

df_result <- df %>%
  # 将年份相关列转成长格式，保留company作为标识列
  pivot_longer(
    cols = -company,
    names_to = c(".value", "year"),
    names_pattern = "(.*)_(\\d{4})"  # 用正则拆分列名：前缀和年份
  ) %>%
  # 计算年度市值
  mutate(value = shares * share_price) %>%
  # 转回宽格式，恢复原数据结构
  pivot_wider(
    names_from = year,
    values_from = c(shares, share_price, value),
    names_glue = "{.value}_{year}"  # 按原格式命名新列
  )

方法二：宽格式下动态列计算（无需转换格式） #

直接在原宽格式数据上，用across结合字符串匹配，动态生成所有年度市值列，完全不需要手动写每一行计算：

df_result <- df %>%
  mutate(
    # 遍历所有shares_开头的列，匹配对应的share_price列相乘
    across(
      starts_with("shares_"),
      ~ .x %>% multiply_by(!!sym(str_replace(cur_column(), "shares", "share_price"))),
      .names = "value_{str_remove(cur_column(), 'shares_')}"  # 命名新列为value_年份
    )
  )

代码说明 #

• starts_with("shares_")：选中所有以shares_开头的列
• str_replace(cur_column(), "shares", "share_price")：将当前列名的shares替换为share_price，找到对应的股价列
• !!sym(...)：将字符串转换为列名符号，用于引用对应列
• .names参数：动态生成新列的名称，格式为value_年份

两种方法对比 #

• 长格式法：适合需要对年度数据做进一步分析（比如按年份分组统计）的场景，逻辑更通用
• 宽格式法：直接在原数据结构上操作，代码更紧凑，适合只需要新增计算列的需求

内容的提问来源于stack exchange，提问作者Jhonny