如何在R中为多个变量批量生成median split中位数拆分新变量

你原有的单变量代码存在冗余赋值的问题，可以先简化为：

mydata$var1_mediansplit <- ifelse(mydata$var1 < median(mydata$var1, na.rm = TRUE), "1", "2")

不需要在ifelse的分支中重复对新列赋值，直接把ifelse的返回结果赋值给新列即可。

下面是批量处理多变量的两种常用实现方式：

基础R循环实现（逻辑清晰易修改） #

# 1. 指定需要处理的原始变量列表
# 如果要处理所有以var开头的变量可以用下面的写法，也可以手动指定：target_vars <- c("var1","var2",...)
target_vars <- grep("^var", names(mydata), value = TRUE)

# 2. 循环遍历每个变量生成衍生列
for (var in target_vars) {
  # 计算当前变量的中位数，na.rm=TRUE可避免存在缺失值时报错
  med_val <- median(mydata[[var]], na.rm = TRUE)
  # 拼接生成新列名
  new_col <- paste0(var, "_mediansplit")
  # 赋值生成新列
  mydata[[new_col]] <- ifelse(mydata[[var]] < med_val, "1", "2")
}

• 使用[[]]取数据框列是循环处理字符串变量名的标准写法，不能用$符号替代
• 如果你的变量不存在缺失值，可以去掉na.rm = TRUE参数

lapply向量化实现（写法更简洁） #

如果偏好无显式循环的写法，可以用lapply批量处理后合并回原数据集：

# 指定待处理变量列表
target_vars <- grep("^var", names(mydata), value = TRUE)
# 批量生成所有中位数分组列
median_split_cols <- lapply(mydata[target_vars], function(x) {
  ifelse(x < median(x, na.rm = TRUE), "1", "2")
})
# 修改新列名后合并回原数据集
names(median_split_cols) <- paste0(names(median_split_cols), "_mediansplit")
mydata <- cbind(mydata, median_split_cols)

两种方案的运行结果完全一致，处理40个变量没有性能问题。

内容的提问来源于stack exchange，提问作者jik84