如何在R中基于变量名前缀批量计算均值得分？

核心思路 #

通过提取目标变量前缀，批量计算每组前缀变量的行均值，将结果作为新列追加到数据框末尾，同时支持多数据框批量处理。

示例数据准备 #

先构建符合你描述的tibble示例：

library(tibble)
library(dplyr)
library(stringr)
library(purrr)

set.seed(123)
df <- tibble(
  id = 1:5,
  psyAnger_01 = rnorm(5),
  psyAnger_02 = rnorm(5),
  narAnger_01 = rnorm(5),
  narAnger_02 = rnorm(5),
  psyArrog_01 = rnorm(5),
  psyArrog_02 = rnorm(5),
  age = sample(18:60, 5) # 非量表变量示例
)

方法1：指定已知前缀批量计算 #

如果已经明确需要处理的前缀列表，直接用以下代码：

# 指定目标前缀
target_prefixes <- c("psyAnger", "narAnger", "psyArrog")

# 计算均值并追加到数据框末尾
df_scored <- df %>%
  bind_cols(
    map_dfc(target_prefixes, ~ {
      df %>%
        select(starts_with(.x)) %>%
        rowMeans(na.rm = TRUE) %>%
        as_tibble_col(column_name = paste0(.x, "_mean"))
    })
  )

方法2：自动提取前缀（无需手动指定） #

如果变量命名规则统一（前缀+下划线+序号），可以自动提取所有量表前缀：

# 自动提取前缀（排除id、age等非量表变量）
auto_prefixes <- df %>%
  select(-id, -age) %>%
  names() %>%
  str_extract("^.*(?=_)") %>% # 匹配下划线前的前缀部分
  unique() %>%
  na.omit()

# 批量计算并追加
df_scored_auto <- df %>%
  bind_cols(
    map_dfc(auto_prefixes, ~ {
      df %>%
        select(starts_with(.x)) %>%
        rowMeans(na.rm = TRUE) %>%
        as_tibble_col(column_name = paste0(.x, "_score"))
    })
  )

多数据框批量处理 #

将逻辑封装为函数，一键处理多个数据框：

add_scale_scores <- function(data, prefixes = NULL, exclude_vars = c("id")) {
  # 自动提取前缀（如果未指定）
  if (is.null(prefixes)) {
    prefixes <- data %>%
      select(-all_of(exclude_vars)) %>%
      names() %>%
      str_extract("^.*(?=_)") %>%
      unique() %>%
      na.omit()
  }
  
  # 生成得分列
  score_cols <- map_dfc(prefixes, ~ {
    data %>%
      select(starts_with(.x)) %>%
      rowMeans(na.rm = TRUE) %>%
      as_tibble_col(column_name = paste0(.x, "_score"))
  })
  
  # 合并原数据与得分列
  bind_cols(data, score_cols)
}

# 处理单个数据框
df_scored <- add_scale_scores(df, exclude_vars = c("id", "age"))

# 处理数据框列表
df_list <- list(df1 = df, df2 = df) # 示例数据框列表
scored_df_list <- map(df_list, add_scale_scores, exclude_vars = c("id", "age"))

关键细节说明 #

• na.rm = TRUE：自动忽略缺失值，若不需要此逻辑可删除该参数
• 列名规则：可根据需求修改paste0(.x, "_score")，比如改为paste0(.x, "_mean")
• 非量表变量排除：通过exclude_vars参数指定需要跳过的变量（如id、人口学变量）

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