Используйте цикл for для функции mutate с операцией.

Вопрос или проблема

vars <- c(y2016_ESP$per101:y2016_ESP$per706)

y2016_ESP %>% 
  for (i_var in vars){
      i_emphasis <- paste0("supp_i_",i_var)

      mod_y2016_ESP <- y2016_ESP %>%
        mutate(!!sym(i_emphasis) := i_var*pervote)
  }

library(dplyr)
y2016_ESP <- data.frame(
  per101 = 1:5,
  per501 = rnorm(5),
  per706 = runif(5)
  )

pervote <- .5

# mutate создает новые столбцы
y2016_ESP |>
  dplyr::mutate(
    dplyr::across(per101:per706, # аккуратно выбрать все столбцы между `per101` и `per706`
                  ~ .x * pervote, # анонимная функция в стиле dplyr
                  .names = "supp_i_{.col}") # именование новых столбцов в стиле glue
    )

for (var in list_var) {
df[[var]] # сделайте свое дело
}

Ответ или решение

Чтобы создать новые столбцы в датафрейме в R с использованием цикла for и функции mutate из библиотеки dplyr, важно правильно структурировать код и учитывать некоторые тонкости, касающиеся выбора столбцов и работы с дублирующимися переменными. В данной ситуации мы хотим создать новые переменные, умножая существующие переменные эмфазы партий на общий процент голосов, который они получили.

Подход к решению задачи

1. Создание векторов переменных: Важно убедиться, что вы правильно выбираете столбцы для итерации. Вместо того чтобы использовать c(y2016_ESP$per101:y2016_ESP$per706), рекомендуется использовать функции dplyr для более гибкого выбора столбцов.

2. Использование mutate и for loop: Хотя dplyr имеет собственные функции для обработки данных, такие как mutate и across, возможно, что для большей визуализации вы хотите использовать циклы.

Реализация

Ниже приведен пример кода, который показывает, как правильно использовать цикл for вместе с mutate. Для начала создадим пример датафрейма и переменной для процента голосов:

library(dplyr)

# Пример датафрейма
y2016_ESP <- data.frame(
  per101 = 1:5,
  per501 = rnorm(5),
  per706 = runif(5)
)

# Процент голосов
pervote <- 0.5

# Список переменных к итерации
vars <- colnames(y2016_ESP)  # получаем названия всех столбцов

# Итерация по переменным
for (i_var in vars){
  # Создаем новое имя для переменной
  new_col_name <- paste0("supp_i_", i_var)

  # Обновляем датафрейм, добавляя новый столбец
  y2016_ESP <- y2016_ESP %>%
    mutate(!!sym(new_col_name) := .data[[i_var]] * pervote)
}

Пояснение к коду

1. Создание датафрейма: Мы создали датафрейм y2016_ESP с некоторыми тестовыми данными.

2. Процент голосов: У нас есть переменная pervote, которая хранит процент голосов, с помощью которого мы будем умножать значения эмфазы.

3. Цикл for: Мы проходим по именам столбцов в vars, создаём новое имя для каждого столбца с помощью функции paste0, и с помощью функции mutate добавляем новый столбец в датафрейм.

4. Использование !!sym: Мы используем !!sym() для преобразования строкового имени переменной в символ, который dplyr может распознать и использовать.

Заключение

Этот способ позволяет делать более сложные операции над датафреймом с использованием стандартных средств R. Обратите внимание на использование mutate для добавления новых переменных и использование двойного восклицательного знака (!!), который сообщает dplyr, что вы собираетесь передать символ в функцию. Для более эффективной работы с большим объемом данных вы можете использовать функции dplyr, такие как across, однако использование циклов может сделать ваш код более читаемым для тех, кто не знаком с функциональным программированием.

Рекомендации

• Ознакомьтесь с литературой по R, например, "R for Data Science" by Hadley Wickham. Это поможет вам улучшить свои навыки в работе с данными.
• Если вам необходимы более сложные операции, рассмотрите возможность использования функций lapply или sapply, так как они могут упростить операции по сравнению с ручными циклами.