R语言：从同一数据框按不同过滤条件批量创建多个变量

方案1：结构化命名列表存储（最推荐） #

不建议把55个零散变量直接铺在全局环境，统一存在命名列表里既能省重复代码，又不会打乱环境整洁度：

1. 先把所有变量名和对应的过滤条件一一整理成映射规则，不需要重复写重复的管道流程
2. 用批量映射函数一次性算完所有结果

# 整理所有过滤规则（规则和变量名一一对应）
filter_rules <- list(
  var1 = quote(列A == 条件1),
  var2 = quote(列B > 阈值2),
  var3 = quote(列C %in% 向量3),
  # 后续依次把55个规则补全即可
  var55 = quote(列D == 条件55)
)

# 批量计算所有结果
result_list <- purrr::map(
  .x = filter_rules,
  .f = ~ dataframe %>% filter(!!.x) %>% nrow()
)

调用结果时直接用result_list$var1即可，如果确实有需要要把列表拆成全局环境的独立变量，只需要加一行：

list2env(result_list, envir = .GlobalEnv)

方案2：结构化数据框存储（更适合后续分析） #

如果你的最终目的是统计不同过滤条件的样本量，完全没必要拆成55个独立变量，直接整理成规整的数据框，后续做占比计算、可视化、出报告都会方便很多：

library(tibble)
count_table <- tibble(
  变量名 = names(filter_rules),
  过滤后样本数 = purrr::map_dbl(filter_rules, ~ nrow(dataframe %>% filter(!!.x)))
)

方案3：基础R循环实现（无额外包依赖） #

如果不想依赖第三方包，用基础R的for循环也能实现批量生成，核心是用assign()函数动态创建变量名：

# 提前整理好的filter_rules结构和上面一致
for (i in seq_along(filter_rules)) {
  rule <- filter_rules[[i]]
  var_name <- names(filter_rules)[i]
  # 计算对应规则的样本数
  row_count <- nrow(dataframe[eval(rule), ])
  # 动态给对应变量名赋值
  assign(var_name, row_count, envir = .GlobalEnv)
}

实用优化技巧 #

计算过滤后样本行数的过程可以简化，完全不需要走filter() %>% nrow()的流程，直接对逻辑判断结果求和即可，运行速度会快很多：

# 等价于原有的filter后数行数，运行效率更高
purrr::map_dbl(filter_rules, ~ sum(eval(.x)))

注意：不管用哪种方式，都不推荐把55个零散变量直接存在全局环境，结构化的列表或者数据框会大幅降低后续的维护成本，避免代码冗余带来的可读性问题。

内容的提问来源于stack exchange，提问作者Ali Shambeel Jafri