【问题标题】：How do I create a loop and/or a function to divide 200 columns (and create 200 new columns/variables) by another column to get a percentage?如何创建循环和/或函数以将 200 列（并创建 200 个新列/变量）除以另一列以获得百分比？
【发布时间】：2019-09-19 21:33:36
【问题描述】：

如何创建循环和/或函数以将 200 列（并创建 200 个新列/变量）除以另一列以获得百分比？

如何循环执行此操作，以便可以处理 200 列？以及如何命名命名列，使其成为前面带有“p_”的旧列名？这可能吗？

例如，我正在尝试做这样的事情，但有 200 列。

fans <- data.frame(
  population = c(1234, 5678, 2345, 6789, 3456, 7890,
                4567, 8901, 5678, 9012, 6789),
  bearsfans = c(123, 234, 345, 456, 567,678, 789, 890, 901, 135, 246),
  packersfans = c(11,22,33,44,55,66,77,88,99,100,122),
  vikingsfans = c(39, 49, 59, 61, 32, 22, 31, 92, 52, 10, 122))

print(fans)

attach(fans)

## create new columns which are the ratio of fans to population

fans$p_bearsfan = bearsfans/population
print(fans)


 Output:
 ##     population bearsfans packersfans vikingsfans p_bearsfan
 ##  1        1234       123          11          39 0.09967585
 ##  2        5678       234          22          49 0.04121169

【问题讨论】：

标签： r function loops

【解决方案1】：

temp <- sapply(fans[-1], function(x) x / fans$population)
colnames(temp) <- paste0("p_", colnames(temp))
cbind(fans, temp)



population bearsfans packersfans vikingsfans p_bearsfans p_packersfans p_vikingsfans
1        1234       123          11          39  0.09967585   0.008914100   0.031604538
2        5678       234          22          49  0.04121169   0.003874604   0.008629799
3        2345       345          33          59  0.14712154   0.014072495   0.025159915
4        6789       456          44          61  0.06716748   0.006481072   0.008985123
5        3456       567          55          32  0.16406250   0.015914352   0.009259259
6        7890       678          66          22  0.08593156   0.008365019   0.002788340
7        4567       789          77          31  0.17276111   0.016860083   0.006787826
8        8901       890          88          92  0.09998877   0.009886530   0.010335917
9        5678       901          99          52  0.15868263   0.017435717   0.009158154
10       9012       135         100          10  0.01498003   0.011096316   0.001109632
11       6789       246         122         122  0.03623509   0.017970246   0.017970246

【讨论】：

极好，成功了！谢谢！我是新手，必须有一种简单的方法来做到这一点，但我是函数新手。
欢迎您。请注意，您只能将一个答案标记为已接受，但请随意选择您最喜欢的答案。 :)
知道了。我是新手:)
@shp5009 虽然您只能选择一个答案作为接受的答案，但您可以投票任意数量;-)
没错，但是你需要 15 声望。 2去！我赞成这个问题。和你的答案;)

【解决方案2】：

如果您对后缀的新列名（而不是前缀）感到满意，这是使用dplyr::mutate_at 的单行代码。我在这里假设所有相关列都以单词"fans" 结尾。

带后缀

fans %>% mutate_at(vars(ends_with("fans")), list(percent = ~.x / population))
#   population bearsfans packersfans vikingsfans bearsfans_percent
#1        1234       123          11          39        0.09967585
#2        5678       234          22          49        0.04121169
#3        2345       345          33          59        0.14712154
#4        6789       456          44          61        0.06716748
#5        3456       567          55          32        0.16406250
#6        7890       678          66          22        0.08593156
#7        4567       789          77          31        0.17276111
#8        8901       890          88          92        0.09998877
#9        5678       901          99          52        0.15868263
#10       9012       135         100          10        0.01498003
#11       6789       246         122         122        0.03623509
#   packersfans_percent vikingsfans_percent
#1          0.008914100         0.031604538
#2          0.003874604         0.008629799
#3          0.014072495         0.025159915
#4          0.006481072         0.008985123
#5          0.015914352         0.009259259
#6          0.008365019         0.002788340
#7          0.016860083         0.006787826
#8          0.009886530         0.010335917
#9          0.017435717         0.009158154
#10         0.011096316         0.001109632
#11         0.017970246         0.017970246

带前缀

要将后缀变成前缀需要更多步骤

fans %>%
    mutate_at(vars(ends_with("fans")), list(percent = ~.x / population)) %>%
    rename_at(vars(ends_with("percent")), ~sub("(.+)_percent", "p_\\1", .x))
#   population bearsfans packersfans vikingsfans p_bearsfans p_packersfans
#1        1234       123          11          39  0.09967585   0.008914100
#2        5678       234          22          49  0.04121169   0.003874604
#3        2345       345          33          59  0.14712154   0.014072495
#4        6789       456          44          61  0.06716748   0.006481072
#5        3456       567          55          32  0.16406250   0.015914352
#6        7890       678          66          22  0.08593156   0.008365019
#7        4567       789          77          31  0.17276111   0.016860083
#8        8901       890          88          92  0.09998877   0.009886530
#9        5678       901          99          52  0.15868263   0.017435717
#10       9012       135         100          10  0.01498003   0.011096316
#11       6789       246         122         122  0.03623509   0.017970246
#   p_vikingsfans
#1    0.031604538
#2    0.008629799
#3    0.025159915
#4    0.008985123
#5    0.009259259
#6    0.002788340
#7    0.006787826
#8    0.010335917
#9    0.009158154
#10   0.001109632
#11   0.017970246

【讨论】：

谢谢。这很有帮助。我可能不应该在变量名称中添加粉丝，而只是在思考列。我的变量确实有一组具有相同后缀的名称，但不是全部，并且后缀因组而异。有些列的名称完全不同。有没有办法只通过列号来做，仍然在变量名的开头或结尾添加“p_”？
@shp5009 当然；您可以直接指定列号。例如，fans %>% mutate_at(2:3, list(percent = ~.x / population)) 仅基于列 2:3 创建新的百分比列。

【解决方案3】：

我们可以直接用一列分割多列。我们使用grep 选择以"fans" 结尾的列，并使用这些名称来分配新列。

cols <- grep("fans$", names(fans), value = TRUE)
fans[paste0("p_", cols)] <- fans[cols]/fans$population

fans
#   population bearsfans packersfans vikingsfans p_bearsfans p_packersfans p_vikingsfans
#1        1234       123          11          39     0.09968      0.008914      0.031605
#2        5678       234          22          49     0.04121      0.003875      0.008630
#3        2345       345          33          59     0.14712      0.014072      0.025160
#4        6789       456          44          61     0.06717      0.006481      0.008985
#5        3456       567          55          32     0.16406      0.015914      0.009259
#6        7890       678          66          22     0.08593      0.008365      0.002788
#7        4567       789          77          31     0.17276      0.016860      0.006788
#8        8901       890          88          92     0.09999      0.009887      0.010336
#9        5678       901          99          52     0.15868      0.017436      0.009158
#10       9012       135         100          10     0.01498      0.011096      0.001110
#11       6789       246         122         122     0.03624      0.017970      0.017970

另附注：Why is it not advisable to use attach() in R, and what should I use instead?

【讨论】：

【解决方案4】：

数据

  fans <- data.frame(
  population = c(1234, 5678, 2345, 6789, 3456, 7890,
                 4567, 8901, 5678, 9012, 6789),
  bearsfans = c(123, 234, 345, 456, 567,678, 789, 890, 901, 135, 246),
  packersfans = c(11,22,33,44,55,66,77,88,99,100,122),
  vikingsfans = c(39, 49, 59, 61, 32, 22, 31, 92, 52, 10, 122))

简单的解决方案

for (c in names(fans)[-1]){
  fans[[paste0("p_",c)]] <- fans[[c]] / fans[["population"]]
}

【讨论】：

没有必要有两个嵌套循环（apply 在for 中），并且会产生不必要的开销。事实上，这里不需要apply，因为R中的简单除法/已经矢量化了。
[继续] 所以for 循环将变为for (c in names(fans)[2:ncol(fans)]) fans[[paste0("p_",c)]] <- fans[[c]] / fans[["population"]]。
@MauritsEvers 是的，我同意，这是非常低效的 - 我意识到这一点。编辑了我的帖子。
@MauritsEvers 出于好奇，我检查了apply 的解决方案有多慢。它仍然比 mutate 快近 10 倍（但比简单循环列慢 3 倍 - 此线程中发布的所有速度中最快的）。
您应该在答案中包含这些基准测试的结果。我相信这对 OP 和未来的读者来说会很有趣。我当然会感兴趣。 mutate_at 不是最快的方法，这并不让我感到惊讶。 tidyverse 方法通常更多的是关于代码的可读性（甚至会受到一些人的质疑）而不是关于速度。