如何基于指定列批量生成中位数判断新列（R语言dplyr）

哈哈，完全懂这种重复劳动的痛苦！不用逐行写50遍代码，用dplyr的across()就能轻松搞定手动指定列的批量操作，而且完美满足你的需求——把新列直接加到原数据框里，不碰其他200列。

核心代码实现 #

首先你需要先定义要处理的目标列名列表，然后用across()对列表里的每一列执行相同的分类逻辑，同时自定义新列的命名规则：

library(dplyr)
library(derivedFactor) # 依赖你用到的这个包

# 第一步：手动指定需要处理的目标列（把这里换成你实际的50列名）
target_cols <- c("Col1", "Col2", "Col3")

# 第二步：批量生成新列并添加到原数据框
Test <- Test %>%
  mutate(
    across(
      all_of(target_cols), # 明确告诉dplyr：用我们手动指定的列列表
      ~ derivedFactor(
        "below" = .x < median(.x, na.rm = TRUE), # 修正了你原代码里的逻辑反转问题
        "at" = .x == median(.x, na.rm = TRUE),
        "above" = .x > median(.x, na.rm = TRUE),
        .default = NA
      ),
      # 自定义新列命名：对应Col1→Col4，Col2→Col5，以此类推
      .names = "Col{match(.col, target_cols) + 3}"
    )
  )

关键细节解释 #

1. all_of(target_cols)：这个函数是关键，它能让dplyr准确识别你手动传入的列名列表，不会把列表里的字符串当成变量名处理，避免报错。
2. .x的用法：在across()的逻辑里，.x代表当前正在处理的列，这样不用每次写Test$Col1这种硬编码，而且自动计算每列自己的中位数，更安全（比如原数据框被修改后也能正确计算）。
3. 新列命名规则：
   • 示例里的.names = "Col{match(.col, target_cols) + 3}"会把target_cols里的第一列对应生成Col4，第二列对应Col5，完全匹配你需求里的命名方式。
   • 如果觉得这种命名方式麻烦，也可以用后缀式命名，比如.names = "{.col}_median_cat"，生成Col1_median_cat、Col2_median_cat这种更直观的列名。
4. NA处理：一定要在median()里加na.rm = TRUE，否则如果原列有缺失值，中位数会变成NA，导致所有分类结果都是NA，这是很容易踩的坑！
5. 逻辑修正：原代码里写的"below"= Col1 > median(Test$Col1)是反的，大于中位数的应该是"above"，上面的代码已经修正了这个逻辑，你可以根据实际需求调整。

备选方案：用purrr实现更灵活的批量操作 #

如果你习惯用purrr包的函数，也可以用map()批量生成新列，再合并到原数据框：

library(purrr)
library(dplyr)
library(derivedFactor)

target_cols <- c("Col1", "Col2", "Col3")

# 批量生成新列
new_columns <- map(target_cols, function(col) {
  derivedFactor(
    "below" = Test[[col]] < median(Test[[col]], na.rm = TRUE),
    "at" = Test[[col]] == median(Test[[col]], na.rm = TRUE),
    "above" = Test[[col]] > median(Test[[col]], na.rm = TRUE),
    .default = NA
  )
})

# 给新列命名
names(new_columns) <- paste0("Col", seq_along(target_cols) + 3)

# 合并到原数据框
Test <- bind_cols(Test, new_columns)

这种方式适合需要更复杂自定义逻辑的场景，不过across()的写法更简洁，是dplyr的原生推荐用法。

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