问询：如何在R中批量计算重复测量的焦虑指数变量

当然可以在R里轻松实现批量计算，完全不用手动逐个输入！下面我给你几种实用的方案，你可以根据自己的数据结构来选择：

方法1：基础循环（直观易上手） #

如果你的数据是宽格式（比如数据框df里有mood1-mood9、tension1-tension9、fears1-fears9这些列），用简单的for循环就能快速搞定：

# 遍历1到9的测量次数
for (i in 1:9) {
  # 拼接变量名，计算对应anxiety值并赋值
  df[[paste0("anxiety", i)]] <- df[[paste0("mood", i)]] + df[[paste0("tension", i)]] + df[[paste0("fears", i)]]
}

这个方法逻辑直白，哪怕是刚接触R的用户也能快速理解和调试。

方法2：tidyverse/dplyr 风格（更简洁的向量式操作） #

如果你习惯用tidyverse工具包，dplyr的across()函数可以让代码更紧凑：
首先确保你加载了dplyr：

library(dplyr)

然后一行代码完成所有批量计算：

df <- df %>%
  mutate(
    # 遍历所有mood1-mood9列
    across(paste0("mood", 1:9), 
           # 对每一列，提取数字后缀，匹配对应的tension和fears列并求和
           ~ .x + get(paste0("tension", sub("mood", "", cur_column()))) + get(paste0("fears", sub("mood", "", cur_column()))),
           # 给新生成的列命名为anxiety1-anxiety9
           .names = "anxiety{match(.col, paste0('mood', 1:9))}")
  )

额外提示：长格式数据的处理 #

如果你的数据是长格式（比如有一列time标记测量次数1-9，另外有mood、tension、fears三列），那处理起来更简单：

df <- df %>%
  mutate(anxiety = mood + tension + fears)

如果之后需要转成宽格式（得到anxiety1-anxiety9），可以用tidyr的pivot_wider()：

library(tidyr)
df_wide <- df %>%
  pivot_wider(names_from = time, values_from = c(mood, tension, fears, anxiety))

所有这些方法都能帮你批量完成计算，彻底告别手动重复输入的麻烦~

内容的提问来源于stack exchange，提问作者Oscar