使用Mutate对指定列进行排名——dplyr新手技术求助

嘿，作为dplyr新手能想到用排名来分析门店数据真的很赞！我来帮你一步步实现需求——给数据框里的变量分别生成升/降序排名列，其中客户体验评分和指定列按升序，其余按降序。

先明确核心需求 #

我们要给每个变量生成对应的排名列：

• 总营收、销量等非指定变量：按降序排名（数值越高排名越靠前）
• 客户体验评分、指定列：按升序排名（数值越低排名越靠前，若你实际需要评分越高排名越前，只需去掉升序处理的desc()即可，但我们先按你明确的需求来）

基础实现：逐个变量处理 #

假设你的数据框叫store_data，指定列比如是运营成本（你可以替换成实际列名），先加载dplyr包，然后用mutate()结合min_rank()函数来生成排名：

library(dplyr)

# 模拟你的数据结构（替换成你实际的数据即可）
store_data <- tibble(
  门店名称 = c("朝阳店", "海淀店", "丰台店"),
  来源 = "2018年数据结果",
  总营收 = c(120000, 95000, 150000),
  销量 = c(800, 650, 900),
  客户体验评分 = c(4.3, 4.7, 4.1),
  运营成本 = c(30000, 25000, 35000) # 假设的指定列
)

# 生成排名列
store_data_ranked <- store_data %>%
  mutate(
    # 降序排名：总营收、销量
    总营收_rank = min_rank(desc(总营收)),
    销量_rank = min_rank(desc(销量)),
    # 升序排名：客户体验评分、指定列（运营成本）
    客户体验评分_rank = min_rank(客户体验评分),
    运营成本_rank = min_rank(运营成本)
  )

高效批量处理（适合变量多的情况） #

如果你的数据有很多变量，一个个写太麻烦，可以用across()函数批量处理，节省时间：

# 第一步：定义需要降序/升序排名的列
# 降序列：排除门店名称、来源、客户体验评分、指定列
降序列表 <- setdiff(names(store_data), c("门店名称", "来源", "客户体验评分", "运营成本"))
# 升序列：客户体验评分 + 指定列
升序列表 <- c("客户体验评分", "运营成本")

# 批量生成排名列
store_data_ranked <- store_data %>%
  # 如果需要按「来源」分组排名（不同来源的门店分开排），就加上这行
  # group_by(来源) %>%
  mutate(
    # 给降序列生成排名，列名格式：原列名_rank
    across(all_of(降序列表), ~min_rank(desc(.x)), .names = "{col}_rank"),
    # 给升序列生成排名
    across(all_of(升序列表), ~min_rank(.x), .names = "{col}_rank")
  ) %>%
  # 如果加了group_by，记得用ungroup取消分组
  # ungroup()

小细节说明 #

• min_rank()：会给相同数值的行分配相同的排名，下一个排名会跳过对应数量（比如两个第1，下一个就是第3）。如果想让相同数值也有不同的排名，可以用row_number()代替min_rank()。
• desc()：用来反转排序方向，是实现降序排名的关键。

这样处理后，你就能得到带所有变量排名的新数据框啦！

内容的提问来源于stack exchange，提问作者Jazzmatazz