在R语言中批量生成相似mutate列的最优惯用方法是什么？

方法1：利用purrr::imap_dfc配合命名向量 #

这种方式通过维护一个列名-后缀的命名向量，一次性生成所有目标列，代码简洁且易于扩展：

library(dplyr)
library(purrr)
library(stringr)

df <- tibble(base_string = c("a", "b", "c"))

# 定义列名与对应后缀的映射
name_suffix_map <- c(one = "1", two = "2", three = "3")

df_result <- df |>
  mutate(imap_dfc(name_suffix_map, ~ str_c(base_string, .x)))

输出结果与预期一致：

# A tibble: 3 × 4
  base_string one   two   three
  <chr>       <chr> <chr> <chr>
1 a           a1    a2    a3   
2 b           b1    b2    b3   
3 c           c1    c2    c3   

说明：

• imap_dfc会遍历命名向量，.x代表后缀值，自动以向量的键作为新列名，最后按列合并（dfc即data frame column-wise）
• 需要新增列时，只需在name_suffix_map中添加新的键值对即可，无需修改mutate逻辑

方法2：利用!!!展开映射列表 #

如果不想依赖purrr，可以用dplyr的非标准求值语法!!!直接展开映射结果：

library(dplyr)
library(stringr)

df <- tibble(base_string = c("a", "b", "c"))

name_suffix_map <- c(one = "1", two = "2", three = "3")

df_result <- df |>
  mutate(!!!map(name_suffix_map, ~ str_c(base_string, .x)))

说明：

• map将命名向量转换为以列名为键、计算结果为值的列表
• !!!把列表展开为mutate的多个参数，实现多列批量生成

这两种方法都避免了重复写str_c语句，也无需通过expand_grid+pivot_wider的迂回操作，当需要生成几十上百列时，优势会更明显。

内容的提问来源于stack exchange，提问作者eithompson