R语言tidyverse根据索引关联列条件生成新列的实现方法

核心思路是利用tidyverse的批量列操作能力，自动配对对应后缀的x、y列，无需硬编码每一列的判断逻辑，以下是两种常用实现方案：

方案1：行级批量匹配（写法简单，适合中小数据集） #

无需调整原始表结构，直接通过行遍历+批量列提取实现：

library(tidyverse)

df_out <- df_in %>%
  # 按行处理
  rowwise() %>%
  mutate(
    a_value = {
      # 批量提取所有y列、x列的值，顺序和后缀对应
      y_vec <- c_across(starts_with("y_"))
      x_vec <- c_across(starts_with("x_"))
      # 匹配a队的位置，提取对应x值
      x_vec[which(y_vec == "a")]
    },
    b_value = {
      y_vec <- c_across(starts_with("y_"))
      x_vec <- c_across(starts_with("x_"))
      x_vec[which(y_vec == "b")]
    }
  ) %>%
  # 取消行分组，避免后续操作异常
  ungroup()

方案2：长宽表转换（性能更高，适合大数据集/列数极多的场景） #

通过重塑表结构把配对逻辑交给批量操作实现，处理效率更高：

library(tidyverse)

df_out <- df_in %>%
  # 新增赛事唯一标识
  mutate(match_id = row_number()) %>%
  # 把x、y列转为长表，自动按后缀配对
  pivot_longer(
    cols = -match_id,
    names_to = c(".value", "suffix"),
    names_sep = "_"
  ) %>%
  group_by(match_id) %>%
  mutate(
    a_value = x[y == "a"],
    b_value = x[y == "b"]
  ) %>%
  # 恢复原始宽表结构
  pivot_wider(
    names_from = suffix,
    values_from = c(x, y),
    names_sep = "_"
  ) %>%
  ungroup() %>%
  # 删除临时标识列
  select(-match_id)

两种方案输出结果和你提供的硬编码逻辑完全一致，后续如果需要新增其他队伍的进球列，只需要在mutate中增加对应队伍的取值逻辑即可，不需要修改其他部分代码。

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