R语言通过for循环从向量筛选最高总和变量并迭代更新dataframe

核心修改逻辑 #

你当前代码的问题是所有操作都基于原始数据集my_data执行，没有继承上一轮的处理结果，只需要将操作对象替换为可迭代更新的数据集即可，修改逻辑如下：

1. 初始化一个专用的迭代处理数据集，后续所有计算、列筛选操作都在该数据集上执行，不再调用原始数据
2. 每轮循环处理完成后直接覆盖更新该迭代数据集，保证下一轮的操作基于上一轮的结果执行

完整可运行代码 #

# 加载依赖包
library(dplyr)
library(purrr)

# 构造示例数据，你可以替换为自己的原始数据读取逻辑
my_data <- data.frame(
  NAMES = c("One", "Two", "THREE", "FOUR", "FIVE", "SIX"),
  A = 1:6,
  B = 2:7,
  C = 3:8,
  D = 4:9,
  E = 5:10,
  F = 6:11
)

# 初始化迭代数据集，所有循环操作都基于该对象更新
processed_data <- my_data

# 这里是你每次循环生成vec的逻辑，替换为你自己的vec生成代码即可
# 以下为示例用的vec列表，对应你问题中的三轮循环
vec_list <- list(
  c("B", "C", "D"),
  c("A", "E"),
  c("E", "F")
)

for (vec in vec_list) {
  # 基于当前迭代数据集计算vec内变量的总和，选出总和最高的变量名
  selected <- processed_data %>%
    dplyr::select(all_of(vec)) %>%
    # 你的原始数据是17行需要删最后一行，取消下一行注释即可，示例数据只有6行无需执行
    # slice(-17) %>%
    purrr::map_dbl(sum) %>%
    which.max() %>%
    names()
  
  # 更新迭代数据集：删除vec内所有变量，再加回选中的最高总和变量
  processed_data <- processed_data %>%
    dplyr::select(!all_of(vec), all_of(selected))
}

# 输出最终结果
print(processed_data)

结果验证 #

运行上述代码输出的最终结果和你预期一致：

NAMES D  F
1   One 4  6
2   Two 5  7
3 THREE 6  8
4  FOUR 7  9
5  FIVE 8 10
6   SIX 9 11

内容的提问来源于stack exchange，提问作者Reda