如何用for loop替代重复代码，对zipid1-zipid30的died变量求和？

嘿，这种重复写几十行几乎一样代码的事儿谁都烦！别担心，用for循环完全能替代，甚至还有更符合dplyr风格的简洁方法，我给你详细说说：

假设你的数据框名为df，包含died列以及zipid1到zipid30这30个标识列（比如用1/0标记是否属于对应区域），可以这样写：

library(dplyr)

# 初始化一个空数据框，用来存储每个zipid的求和结果
sum_results <- data.frame(zipid = character(), died_sum = integer(), stringsAsFactors = FALSE)

# 循环遍历1到30，处理每个zipid列
for (i in 1:30) {
  # 动态构造当前zipid的列名
  zip_col_name <- paste0("zipid", i)
  
  # 筛选出当前zipid对应的行，对died求和（na.rm=TRUE处理缺失值）
  current_died_sum <- df %>%
    filter(.data[[zip_col_name]] == 1) %>%  # 根据你的实际数据调整筛选条件
    summarize(died_sum = sum(died, na.rm = TRUE)) %>%
    pull(died_sum)
  
  # 将结果添加到结果数据框中
  sum_results <- sum_results %>%
    add_row(zipid = zip_col_name, died_sum = current_died_sum)
}

*注意：*如果你的zipid列不是1/0标识（比如直接存储区域编码），需要把filter里的条件改成符合你数据逻辑的判断，比如filter(zipid == i)（如果是单独的zipid列而不是多列的话）。

其实用dplyr配合tidyr的话，完全可以不用循环，把宽格式数据转成长格式后分组求和，代码更简洁也更易维护：

library(dplyr)
library(tidyr)

# 把宽格式转成长格式：将zipid1-zipid30列合并为zipid列，标记是否属于该区域
df_long <- df %>%
  pivot_longer(
    cols = starts_with("zipid"),  # 匹配所有以zipid开头的列
    names_to = "zipid",
    values_to = "is_in_zip"
  ) %>%
  filter(is_in_zip == 1)  # 筛选属于对应zip的行

# 按zipid分组，对died求和
sum_results <- df_long %>%
  group_by(zipid) %>%
  summarize(died_sum = sum(died, na.rm = TRUE)) %>%
  ungroup()

这种方法的好处是：哪怕以后zipid的数量变成50个或者10个，你都不用修改代码，只要保证列名以zipid开头就行，完全避免了重复代码的问题。

内容的提问来源于stack exchange，提问作者mandy