R语言自定义函数生成新列如何使用用户指定名称返回dataframe

问题核心原因 #

1. 你使用df$df_col_flagH的写法属于硬编码列名，R会直接把df_col_flagH作为固定列名写入数据框，不会读取参数传入的自定义列名
2. 原有参数传入逻辑不合理，不需要传入df2$new_col1这类实际向量，直接传入自定义列名的字符串即可实现动态赋值
3. 原代码没有将截断修正后的目标列写回原数据框，修正后的值不会生效

修正后的完整代码 #

# 分位数阈值获取函数
get_low_perc <- function(var_name) {
  return(quantile(var_name, c(0.01)))
}

get_hi_perc <- function(var_name) {
  return(quantile(var_name, c(0.99)))
}

# 离群值截断函数
round_up <- function(target_var, flag_var, floor) {
  target_var <- as.numeric(ifelse(flag_var == 1, floor, target_var))
  return(as.integer(target_var))
}

round_down <- function(target_var, flag_var, ceiling) {
  target_var <- as.numeric(ifelse(flag_var == 1, ceiling, target_var))
  return(as.integer(target_var))
}

# 整合处理函数
# 参数说明：
# df: 待处理数据框
# target_col: 要处理的目标列名（字符串格式）
# flag_low_col: 低于1%分位数的标记列自定义名称（字符串格式）
# flag_high_col: 高于99%分位数的标记列自定义名称（字符串格式）
no_way <- function(df, target_col, flag_low_col, flag_high_col) {
  # 取出目标列向量
  col_vec <- df[[target_col]]
  # 计算分位数阈值
  lo_perc <- get_low_perc(col_vec)
  hi_perc <- get_hi_perc(col_vec)
  # 动态生成标记列，使用自定义列名
  df[[flag_low_col]] <- as.factor(ifelse(col_vec < lo_perc, 1, 0))
  df[[flag_high_col]] <- as.factor(ifelse(col_vec > hi_perc, 1, 0))
  # 修正离群值
  col_vec <- round_up(col_vec, df[[flag_low_col]], lo_perc)
  col_vec <- round_down(col_vec, df[[flag_high_col]], hi_perc)
  # 将修正后的列写回原数据框
  df[[target_col]] <- col_vec
  return(df)
}

调用示例 #

# 构造测试数据
df2 = data.frame(col = c(1, 3, 4, 5, 8, 7, 67, 744, 876, 8, 8, 54, 9), 
                col1 = c(9, 6, 8, 3, 4, 5, 8, 7, 67, 744, 87, 33, 77),
                col2 = c(8, 2, 8, 4, 87, 66, 54, 99, 77, 77, 88, 67, 102))

# 调用函数，直接传入列名字符串即可
df2_processed <- no_way(df2, target_col = "col1", flag_low_col = "new_col1", flag_high_col = "new_col2")

运行后输出的df2_processed就会包含你自定义名称的new_col1、new_col2标记列，同时col1也会完成离群值截断修正。如果需要批量处理17个列，只需要构造目标列名和对应标记列名的列表，用循环或者lapply批量调用函数即可。

内容的提问来源于stack exchange，提问作者RoiMinuit