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
相关产品推荐

