R 语言添加与转换列（mutate 与 base R）

添加一列：df$new <- value

在 base R 中添加一列，只需给一个还不存在的名称赋值。这个值通常是根据已有的列计算出来的：

orders <- data.frame(
    item  = c("mug", "poster", "shirt", "cap"),
    price = c(12.0, 8.5, 22.0, 15.0),
    qty   = c(3, 10, 2, 5)
)

orders$total <- orders$price * orders$qty
orders$currency <- "USD"

print(orders)

这里发生了两件事。orders$total 得到了一个完整的向量：price * qty 会一次性为每一行计算，因为 R 中的算术运算是向量化的。orders$currency 得到的是单个值，R 把它循环补齐到了全部四行。其他任何长度都会报错（replacement has 3 rows, data has 4），这是 R 在防止你得到一个错位的列。

之所以能这样做，是因为数据框是由等长的列组成的列表，给它赋值一个新的命名元素，列表就会变长。数据框文档详细讲解了这个模型。

条件列：ifelse()

值取决于某个条件的列，要用 ifelse()，它是 if 的向量化版本。它接收一整个条件向量，并为每一行返回一个值：

students <- data.frame(
    name  = c("Ana", "Ben", "Chen", "Dana"),
    score = c(91, 54, 78, 60)
)

students$grade <- ifelse(students$score >= 60, "pass", "fail")
print(students)

为什么不用普通的 if？因为 if 只能求值恰好一个 TRUE/FALSE，交给它一整列就会报错（the condition has length > 1）。ifelse(test, yes, no) 会检查每个元素，并逐行做出选择。结果有三种或更多时，可以嵌套：

students <- data.frame(
    name  = c("Ana", "Ben", "Chen", "Dana"),
    score = c(91, 54, 78, 60)
)

students$band <- ifelse(students$score >= 85, "high",
                 ifelse(students$score >= 60, "mid", "low"))
print(students)

嵌套两层没问题；嵌套三层或更多就会变成金字塔，而这正是 dplyr 的 case_when()（见下文）要解决的问题。只针对单个值的 if/else 本身，请参阅 if-else 文档。

一次添加多列：transform()

base R 的 transform() 可以在一次调用中添加多列，并且直接使用列名：

orders <- data.frame(
    item  = c("mug", "poster", "shirt"),
    price = c(12.0, 8.5, 22.0),
    qty   = c(3, 10, 2)
)

orders <- transform(orders,
    total    = price * qty,
    discount = ifelse(qty >= 5, "yes", "no")
)
print(orders)

注意 transform() 返回的是一个新的数据框，你必须把结果赋值回去；而 df$new <- ... 是直接原地修改。它有一个限制：同一次 transform() 调用中的表达式彼此看不见，所以在这里写 discount = ifelse(total > 50, ...) 会失败（total 还不存在）。分两步来做，或者改用允许这样写的 mutate()。

修改与创建

同样的赋值语法也会覆盖已有的列，唯一的区别在于这一列是否已经存在：

prices <- data.frame(item = c("mug", "shirt"), price = c(12.499, 21.995))

prices$price <- round(prices$price, 2)   # transform in place
print(prices)

这一点值得停下来想想：覆盖一列时，R 不会给你任何警告。像 df$prise <- round(df$price, 2) 这样的拼写错误，会悄悄创建一个新列，而不是修正原来的列。完成转换后，用 print() 或 str() 看一下数据框，确认你改的就是你想改的。

删除一列

赋值 NULL 即可删除：

df <- data.frame(a = 1:3, b = 4:6, notes = c("x", "y", "z"))

df$notes <- NULL
print(df)

这一列就没了，不需要任何繁琐步骤。要删除多列，df[, c("a", "b")]（保留你列出的列）通常比重复赋值 NULL 更清晰。

dplyr 的写法：mutate()

在 dplyr 中，完成以上所有操作的动词是 mutate()。下面的代码片段是静态的（沙盒只运行 base R），但同样的操作就是这样写的：

library(dplyr)

orders |>
    mutate(
        total    = price * qty,
        big      = total > 50        # can use total, defined one line up
    )

它比 base R 有两个优势。第一，在同一个 mutate() 中定义的列可以按顺序相互引用，这正是 transform() 不允许的。第二，它的条件辅助函数比嵌套的 ifelse() 更好用：

students |>
    mutate(
        grade = if_else(score >= 60, "pass", "fail"),
        band  = case_when(
            score >= 85 ~ "high",
            score >= 60 ~ "mid",
            .default    = "low"
        )
    )

if_else() 是更严格的 ifelse()（两个分支必须是同一种类型，能抓住真正的 bug）。case_when() 读起来就像一组扁平的 condition ~ value 配对，从上到下依次检查，.default 作为兜底，是 ifelse() 金字塔的易读替代品。和所有 dplyr 动词一样，mutate() 返回一个新的数据框；它如何与其他动词串联，见 dplyr 入门。

要点回顾

• df$new <- expression 添加一列；表达式会一次性对每一行运行。
• ifelse(test, yes, no) 用来构造条件列；普通的 if 做不到。
• transform() 一次调用可以添加多列，但这些列彼此看不见；mutate() 则可以。
• 同样的赋值会悄悄覆盖已有列：转换之后检查一下拼写。
• df$col <- NULL 删除一列；case_when() 取代嵌套的 ifelse() 金字塔。

下一篇：重命名列，包括 names()、稳健的 base R 惯用法，以及 dplyr 的 rename()。