如何为tibble中所有数值变量批量计算滞后项？

问题背景 #

我编写了一个生成滞后变量的函数mylags，可以为指定变量生成带自定义名称的滞后列并添加到原数据框，单独处理单个变量时功能正常，但用across批量处理所有数值变量时触发错误：

Error in mutate():
ℹ In argument: across(where(is.numeric), ~mylags(.x, 3)).
Caused by error in across():
! Can't compute column y.
Caused by error in UseMethod():
! no applicable method for 'mutate' applied to an object of class "c('integer', 'numeric')"

原函数及测试代码如下：

library(dplyr)
library(rlang)
library(purrr)

df <- tibble(x=LETTERS[1:20], y=1:20, z=31:50)

mylags <- function(data, variable, n=10){
  variable <- enquo(variable)
  
  indices <- seq_len(n)
  quosures <- map( indices, ~quo(lag(!!variable, !!.x)) ) %>% 
    set_names(sprintf("lag_%s_%02d", quo_text(variable), indices))
  
  mutate( data, !!!quosures )
}

# 单个变量处理正常
df_lag <- df %>% mylags(y,3)

# 批量处理报错
df_lag2 <- df %>% mutate(across(where(is.numeric), ~mylags(.x,3)))

错误原因 #

across遍历数值列时，.x传入的是单个列的向量（如整数向量），但原mylags函数的第一个参数data期望接收完整数据框，内部调用mutate时会尝试对向量执行数据框操作——而mutate仅支持数据框类对象，因此触发报错。

解决方案 #

方法一：修改函数适配单个向量处理 #

重新编写函数，使其接收单个向量并返回包含所有滞后列的tibble，让across可以自动合并结果到原数据框：

mylags_vec <- function(vec, n=10) {
  indices <- seq_len(n)
  # 生成滞后列并组合成tibble
  map_dfc(indices, ~lag(vec, .x)) %>% 
    # 给滞后列命名
    set_names(sprintf("lag_%02d", indices))
}

# 批量处理，用.names参数添加原变量名前缀
df_lag2 <- df %>%
  mutate(across(where(is.numeric), 
                ~mylags_vec(.x, n=3),
                .names = "lag_{col}_{str_pad(.y, 2, pad='0')}"))

方法二：用reduce批量调用原函数 #

利用purrr::reduce遍历所有数值列名，逐个调用原mylags函数添加滞后列，完全保留原函数的命名逻辑：

# 获取所有数值列的列名
numeric_cols <- df %>% select(where(is.numeric)) %>% colnames()

# 逐个处理每个数值列，累积添加滞后列
df_lag2 <- df %>%
  reduce(numeric_cols, ~mylags(.x, !!sym(.y), n=3), .init = .)

方法三：扩展原函数支持批量变量输入 #

修改原函数，使其可以接收多个变量（如通过where(is.numeric)筛选），一次性生成所有滞后列：

mylags_multi <- function(data, variables, n=10) {
  # 解析变量筛选条件，获取变量名
  var_names <- data %>% select({{variables}}) %>% colnames()
  
  # 遍历每个变量，生成对应的滞后列表达式
  lag_quosures <- map(var_names, function(var) {
    var_sym <- sym(var)
    indices <- seq_len(n)
    map(indices, ~quo(lag(!!var_sym, !!.x))) %>% 
      set_names(sprintf("lag_%s_%02d", var, indices))
  }) %>% flatten()
  
  # 添加所有滞后列到原数据框
  mutate(data, !!!lag_quosures)
}

# 直接处理所有数值列
df_lag2 <- df %>% mylags_multi(variables = where(is.numeric), n=3)

内容的提问来源于stack exchange，提问作者larry77