如何在R语言中对n列应用函数并生成n个新列？

嘿，我来帮你搞定这个多列归一化并生成新列的问题！我猜你之前用for循环或者lapply的时候，可能是在动态列名处理、结果赋值这些细节上没踩对路子，咱们直接上几种靠谱的解决方案，每一种都写清楚代码和关键点，你可以挑顺手的用。

方法1：Base R的for循环（修正版） #

很多人用for循环踩坑，大多是因为没正确处理动态列名的赋值。咱们先定义一个归一化函数（你也可以换成任何需要的函数），然后循环每一列，生成对应的新列名，再把处理后的值赋值给新列。

# 先定义归一化函数（这里用min-max归一化，可替换成z-score等其他逻辑）
normalize <- function(x) {
  (x - min(x, na.rm = TRUE)) / (max(x, na.rm = TRUE) - min(x, na.rm = TRUE))
}

# 假设你的数据集叫df，先筛选出数值列（避免处理非数值列报错）
numeric_cols <- names(df)[sapply(df, is.numeric)]

# 循环处理每一列
for (col in numeric_cols) {
  # 生成新列名，比如"A"变成"A normalized"，或者你要的"ANorm"
  new_col_name <- paste0(col, " normalized")
  # 重点：用[[ ]]赋值，因为col是字符串变量，$没法直接识别动态列名
  df[[new_col_name]] <- normalize(df[[col]])
}

方法2：用dplyr的mutate + across（推荐，代码更简洁） #

如果你习惯用tidyverse工具链，这个方法最直观，代码干净还能一次性搞定所有列，自动生成符合要求的新列名。

library(dplyr)

# 复用归一化函数
normalize <- function(x) {
  (x - min(x, na.rm = TRUE)) / (max(x, na.rm = TRUE) - min(x, na.rm = TRUE))
}

# 批量处理并生成新列
df <- df %>%
  mutate(across(where(is.numeric), 
                ~normalize(.), 
                .names = "{col} normalized")) 
# 如果想要ANorm这种短格式，把.names改成"{col}Norm"即可

关键点：across(where(is.numeric))会自动选中所有数值列，.names参数是核心——花括号{col}会自动替换成原列名，直接生成你想要的新列名；~normalize(.)是lambda表达式，.代表当前正在处理的列。

方法3：purrr包的map_dfc（函数式编程风格） #

如果你偏好函数式编程，这个方法灵活性很高，把每一列的处理结果整合成数据框后，再和原数据合并。

library(purrr)
library(dplyr)

# 复用归一化函数
normalize <- function(x) {
  (x - min(x, na.rm = TRUE)) / (max(x, na.rm = TRUE) - min(x, na.rm = TRUE))
}

# 批量处理数值列并重命名
normalized_cols <- df %>%
  select(where(is.numeric)) %>%
  map_dfc(normalize) %>%
  rename_with(~paste0(., " normalized")) # 同样可改成~paste0(., "Norm")

# 把处理后的新列和原数据合并
df <- bind_cols(df, normalized_cols)

如果你之前用lapply没成功，大概率是因为lapply返回的是列表，你没把它转换成数据框、重命名并合并到原数据集里——上面的方法3其实就是lapply的tidyverse进阶版，解决了这些问题。

你可以先用小数据集测试，比如拿mtcars的前4列试试，跑一遍代码就能看到效果啦。

内容的提问来源于stack exchange，提问作者Luis