R语言如何基于指定列的行最小值生成对应列名的新列？

你的现有代码问题在于，min(colnames(Data)[1:5])只是在比较这5个列名的字符串大小（比如"Abe"的字符串顺序比"Amy"靠前，所以会一直返回"Abe"），完全没有涉及到每行的数值比较。针对大数据集的高效需求，这里推荐两种方案，优先用第一种向量化的方法：

方案一：用dplyr + max.col（高效向量化，适合大数据） #

max.col是R底层优化的函数，速度远快于逐行循环，非常适合大规模数据。我们可以通过对目标列的数值取反，让max.col找到原最小值的位置：

library(dplyr)

# 先明确指定要比较的列名（避免依赖列位置，更稳健）
target_cols <- c("Amy", "Abe", "Donna", "Racheal", "Mike")

MinData <- Data %>%
  mutate(
    Min = target_cols[
      max.col(
        -across(all_of(target_cols)),  # 取反后，最大值位置对应原最小值位置
        ties.method = "first"          # 处理平局：选第一个出现最小值的列名，可改成"last"按需调整
      )
    ]
  )

方案二：Base R的apply方法（适合小数据或习惯base R的场景） #

如果不用dplyr，也可以用apply逐行处理，但速度会比max.col慢一些，大数据集不推荐：

target_cols <- c("Amy", "Abe", "Donna", "Racheal", "Mike")

MinData <- Data
MinData$Min <- apply(Data[, target_cols], 1, function(row_val) {
  # 找到当前行最小值对应的列名
  names(row_val)[which.min(row_val)]
})

关键说明 #

• 优先选方案一：max.col是向量化操作，底层用C实现，处理百万级行数据也能快速完成；
• 避免用rowwise()：dplyr::rowwise()本质是逐行循环，大数据下效率极低；
• 指定列名而非位置：用target_cols明确列名比colnames(Data)[1:5]更稳健，避免后续数据列顺序变动导致错误。

内容的提问来源于stack exchange，提问作者lydias