R语言如何按行判断批量生成考试是否通过的新列

需求说明 #

现有学生多次数学考试结果数据集，需新增二分类列pass，判定规则：

• 任意一次mathpass系列考试结果为"pass"，该列值为"pass"
• 所有mathpass系列考试结果均为"fail"，该列值为"fail"

初始示例数据：

id<-1:4
mathpass_1<-c("pass","fail","pass","fail")
mathpass_2<-c("fail","fail","fail","fail")
mathpass_3<-c("fail","fail","pass","pass")
mathpass_4<-c("fail","fail","pass","fail")
math<-data.frame(id,mathpass_1,mathpass_2,mathpass_3,mathpass_4)

实现方案 #

两种方案均无需手动枚举所有考试列，自动匹配所有mathpass_前缀的考试字段，计算效率高，可直接适配百万级以上的大数据量场景。

方案1：基础R实现（无第三方依赖） #

不需要安装任何额外包，运行效率最高：

# 匹配所有mathpass_开头的考试列
exam_cols <- grep("^mathpass_", colnames(math), value = TRUE)
# 逐行统计pass次数，大于0则标记为pass
math$pass <- ifelse(
  rowSums(math[, exam_cols] == "pass", na.rm = TRUE) > 0,
  "pass",
  "fail"
)

代码里的na.rm = TRUE会自动跳过缺失值，如果数据里存在缺考的空值，默认会按非pass处理，可根据业务规则调整。

方案2：dplyr实现（适配tidyverse工作流） #

如果日常使用tidyverse生态处理数据，代码可读性更强：

library(dplyr)

math <- math %>%
  mutate(
    pass = if_else(
      # 判断任意mathpass开头列是否存在pass值
      if_any(starts_with("mathpass_"), ~ .x == "pass"),
      "pass",
      "fail"
    )
  )

结果验证 #

运行上述任意一段代码后，得到的数据集和预期结果完全一致：

id mathpass_1 mathpass_2 mathpass_3 mathpass_4 pass
1  1       pass       fail       fail       fail pass
2  2       fail       fail       fail       fail fail
3  3       pass       fail       pass       pass pass
4  4       fail       fail       pass       fail pass

提示：如果后续新增更多次数学考试的字段，只要字段名保持mathpass_数字的命名规则，上述代码不需要做任何修改，可直接运行得到正确结果。

内容的提问来源于stack exchange，提问作者yoo