You need to enable JavaScript to run this app. 如何使用dplyr基于同前缀不同后缀的列批量创建mutate新变量
优惠活动
大模型
产品
解决方案
定价
更多

如何使用dplyr基于同前缀不同后缀的列批量创建mutate新变量

R语言批量按公共前缀生成新变量的实现方案

核心实现逻辑:

  • 识别所有符合a_*_*命名规则的待处理列
  • 按列名提取分组键(如a_1_1、a_1_2共同归为a_1分组,a_2_1、a_2_2共同归为a_2分组)
  • 逐行对同分组内的列做判断:组内任意列取值为1则新变量赋值"A",否则赋值"B"
  • 最终生成的新列与原数据中非处理列(如示例中的b列)合并为完整结果

前置准备

首先加载依赖包,准备修正后的示例数据(消除原示例中列值前的多余空格,避免运行报错):

library(tidyverse)

df <- data.frame(
  a_1_1 = c(1, 0, 1), 
  a_1_2 = c(1, 0, 0),
  a_2_1 = c(1, 0, 0), 
  a_2_2 = c(1, 0, 1), 
  b = c(2, 3, 4)
)

方案1:宽转长-聚合-转回宽

该方案通过行列格式转换实现分组计算,逻辑透明,后续调整判断规则时改动成本极低,适合列结构稍复杂的场景:

result_df <- df %>% 
  # 增加辅助行索引,避免长表转换时行错位
  mutate(.row_id = row_number()) %>% 
  # 将所有a开头的列转换为长表格式
  pivot_longer(
    cols = starts_with("a_"),
    names_to = "raw_col_name"
  ) %>% 
  # 从原始列名提取分组键:删除列名末尾的"_数字"部分
  mutate(group_key = str_remove(raw_col_name, "_\\d+$")) %>% 
  # 按行ID+分组键做行级聚合判断
  group_by(.row_id, group_key) %>% 
  summarise(
    new_var_value = ifelse(any(value == 1), "A", "B"),
    .groups = "drop"
  ) %>% 
  # 转回宽表格式,生成目标新列
  pivot_wider(
    names_from = group_key,
    values_from = new_var_value
  ) %>% 
  # 合并原数据中的非处理列
  left_join(
    df %>% mutate(.row_id = row_number()),
    by = ".row_id"
  ) %>% 
  # 删除辅助用的行索引列
  select(-.row_id)

方案2:批量映射计算

该方案预先提取所有目标分组,逐组匹配列后直接计算,不需要做表格式转换,运行速度更快,适合数据量较大的场景:

# 第一步:预提取所有需要生成新变量的分组名
target_groups <- tibble(
  raw_col_name = names(df %>% select(starts_with("a_")))
) %>% 
  mutate(group_key = str_remove(raw_col_name, "_\\d+$")) %>% 
  distinct(group_key) %>% 
  pull(group_key)

# 第二步:逐组计算并拼接为完整结果
result_df <- df %>% 
  bind_cols(
    map_dfc(target_groups, function(current_group) {
      # 匹配当前分组下的所有原始列
      matched_cols <- names(.)[str_detect(names(.), paste0("^", current_group, "_"))]
      # 逐行判断生成新列值
      col_value <- case_when(
        rowSums(select(., all_of(matched_cols)) == 1) > 0 ~ "A",
        TRUE ~ "B"
      )
      # 按分组键命名生成的新列
      tibble(!!current_group := col_value)
    })
  )

结果验证:两种方案生成的结果和手动逐列写mutate的输出完全一致,第三行a_1因为a_1_1=1取值为"A",a_2因为a_2_2=1取值为"A",所有两个原始列都为0的行,对应新变量取值为"B"。

适配调整说明

  • 如果实际数据的列名分组规则不同,只需要修改提取group_key的正则表达式即可适配
  • 如果判断逻辑需要调整(比如要求同组所有列都为1才取"A",或是同组求和大于阈值才取"A"),仅需修改聚合判断部分的代码,不需要调整整体流程结构

内容的提问来源于stack exchange,提问作者user2246905

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.31 15:15:05