如何在dplyr的mutate函数中使用动态变量选择数据列

问题根源 #

你原有代码的问题在于：直接写vector_of_names[position]只会返回对应位置的列名字符串，并不会被dplyr识别为提取对应列的实际值，因此得到的age列只会是字符格式的列名，而非你想要的数值。

解法1：tidyverse逐行处理（易理解，适合小数据） #

用rowwise()按行分组后，通过cur_data()明确取当前行的对应列值，避免环境变量冲突：

library(dplyr)

vector_of_names <- c("one","two","three")

id <- c(1,2,3,4,5,6)
position <- c(1,1,2,2,1,1)
one <- c(32,34,56,77,87,98)
two <- c(45,67,87,NA,33,56)
three <- c(NA,NA,NA,NA,NA,60)
data <- data.frame(id,position,one,two,three)

result <- data %>%
  rowwise() %>%
  mutate(age = cur_data()[[vector_of_names[position]]]) %>%
  ungroup()

运行后得到的age列取值为 32, 34, 87, NA, 87, 98，符合需求。

解法2：矩阵索引法（高效，适合大数据量） #

利用R的矩阵索引特性直接批量取值，不需要逐行运算，处理万行以上数据时速度优势明显：

data$age <- data[cbind(1:nrow(data), match(vector_of_names[data$position], colnames(data)))]

解法3：pick函数版本（dplyr 1.1.0+ 推荐） #

如果你使用的是较新版本的dplyr，可以用pick函数更简洁地实现动态选列：

library(dplyr)
library(purrr)

result <- data %>%
  mutate(age = map2_dbl(
    row_number(),
    position,
    ~ pick(all_of(vector_of_names[.y]))[.x, ]
  ))

内容的提问来源于stack exchange，提问作者Richard Packer