基于R data.table按比例计算创建标准命名新列

嘿，我懂你想借助data.table的高效特性，利用那些命名规整的变量（比如你提到的Q24_LOC_1、Q24_LOC_2这类）批量计算比例新列的需求——这事儿真的不用一个个手动写列名，咱用data.table的内置工具就能轻松搞定！

先把你的示例数据补全并转为data.table，方便演示：

library(data.table)
set.seed(1200)
ID <- seq(1001,1100)
region <- sample(1:10,100,replace = T)
Q21 <- sample(1:5,100,replace = T)
Q22 <- sample(1:15,100,replace = T)
# 生成几个符合命名规则的变量
Q24_LOC_1 <- sample(1:8,100,replace = T)
Q24_LOC_2 <- sample(1:8,100,replace = T)
Q24_LOC_3 <- sample(1:8,100,replace = T)

# 转为data.table
dt <- data.table(ID, region, Q21, Q22, Q24_LOC_1, Q24_LOC_2, Q24_LOC_3)

接下来分几种常见场景给你演示：

场景1：计算每行内目标变量的占比（行比例） #

比如你想让每个Q24_LOC_*变量，占该行所有Q24_LOC_*变量总和的比例，代码如下：

# 用正则匹配所有以Q24_LOC_开头的列
target_cols <- patterns("^Q24_LOC_")

# 批量生成比例列，新列名以prop_开头
dt[, c(paste0("prop_", names(.SD))) := lapply(.SD, function(x) x / rowSums(.SD)), 
   .SDcols = target_cols]

运行后会自动生成prop_Q24_LOC_1、prop_Q24_LOC_2这类新列，对应每行的占比。

场景2：按分组计算目标变量的组内占比（组比例） #

如果是想按region分组，计算每个Q24_LOC_*变量在组内的占比（比如每个region里，Q24_LOC_1的值占该region所有Q24_LOC_1总和的比例），可以这么写：

# 按region分组，批量生成组内比例列
dt[, c(paste0("group_prop_", names(.SD))) := lapply(.SD, function(x) x / sum(x)), 
   by = region, .SDcols = target_cols]

场景3：自定义分母的比例计算 #

要是你想把分母换成其他变量的组合（比如Q21+Q22的和），直接在函数里指定就行：

# 计算每个Q24_LOC_*变量相对于Q21+Q22的比例
dt[, c(paste0("rel_to_Q21Q22_", names(.SD))) := lapply(.SD, function(x) x / (Q21 + Q22)), 
   .SDcols = target_cols]

核心知识点说明 #

• patterns("^Q24_LOC_")：用正则表达式精准匹配列名，^表示匹配列名的开头，确保只选中你需要的变量；如果你的变量命名有其他规律，比如是QXX_LOC_*，可以改成patterns("Q\\d+_LOC_")来匹配任意数字前缀。
• .SDcols：指定.SD（data.table的子数据集对象）要包含的列，也就是我们要操作的目标变量集合。
• lapply(.SD, ...)：对.SD里的每一列批量应用计算逻辑，不用手动遍历列名。
• paste0("prop_", names(.SD))：自动生成对应原列名的新列名，方便后续识别和使用。

内容的提问来源于stack exchange，提问作者user1412