dplyr中group_by会改变across引用的列索引，如何避免？

这确实是dplyr的预期行为：当数据框被group_by()分组后，分组列会被前置到数据结构的最前面，导致原有的列位置索引发生偏移，直接用固定数值索引调用across()就会报错。

下面是几种可靠的解决方法：

1. 直接使用列名（最推荐） #

完全规避索引偏移问题，不管是否分组都能稳定生效：

# 明确指定目标列名
df_grouped %>% 
  mutate(across(c(val1, val2, val3), ~"changed"))

# 用匹配规则批量选择（比如匹配以"val"开头的列）
df_grouped %>% 
  mutate(across(starts_with("val"), ~"changed"))

2. 按列类型选择 #

如果目标列有统一的数据类型（比如都是数值型），可以用where()选择器批量匹配：

df_grouped %>% 
  mutate(across(where(is.numeric), ~"changed"))

3. 基于原始索引的兼容写法（不推荐，但可应急） #

如果一定要用列索引，可以结合all_of()函数，基于原始数据框的列位置指定目标列，不受分组影响：

# 先定义原始数据中的目标列索引
target_cols <- 2:4
df_grouped %>% 
  mutate(across(all_of(target_cols), ~"changed"))

内容的提问来源于stack exchange，提问作者Lenn