没问题！我帮你调整代码来实现批量均值标准化（均值=0、标准差=1），同时给标准化后的变量加上_sd后缀，用dplyr就能轻松搞定，比手动逐个添加高效多了。

推荐写法（dplyr 1.0.0+版本） #

现在dplyr推荐用across()代替旧的mutate_at()，写法更简洁直观，直接一步完成标准化和命名：

data("mtcars")
# 定义需要标准化的变量列表
sd_outcomes <- c("disp", "hp", "wt", "qsec")

# 执行标准化并添加_sd后缀
data <- mtcars %>%
  mutate(
    across(
      all_of(sd_outcomes), 
      ~scale(., center = TRUE, scale = TRUE), 
      .names = "{col}_sd"
    )
  )

代码解释：

• all_of(sd_outcomes)：精准指定我们要处理的变量列表
• ~scale(., center = TRUE, scale = TRUE)：这就是核心的均值标准化逻辑，center=TRUE让均值为0，scale=TRUE让标准差为1
• .names = "{col}_sd"：自动给新生成的列命名为「原列名+_sd」，比如disp变成disp_sd，省去了额外的重命名步骤

旧版dplyr写法（<1.0.0） #

如果你还在使用旧版本的dplyr，可以用mutate_at()来实现：

data("mtcars")
sd_outcomes <- c("disp", "hp", "wt", "qsec")

data <- mtcars %>%
  mutate_at(vars(one_of(sd_outcomes)), funs(sd = scale(., center = TRUE, scale = TRUE))) %>%
  rename_at(vars(contains("_sd")), funs(paste0(gsub("_sd$", "", .), "_sd")))

或者更简化的写法，直接在funs()里指定新列名：

data <- mtcars %>%
  mutate_at(vars(one_of(sd_outcomes)), funs(paste0(., "_sd") = scale(., center = TRUE, scale = TRUE)))

验证结果 #

你可以用下面的代码检查标准化是否成功：

# 查看标准化后变量的均值（应该接近0）
colMeans(data[, paste0(sd_outcomes, "_sd")])
# 查看标准化后变量的标准差（应该接近1）
apply(data[, paste0(sd_outcomes, "_sd")], 2, sd)

内容的提问来源于stack exchange，提问作者aelhak