如何用dplyr简化基于匹配条件的多列批量值替换操作？

数据与需求 #

使用的包和数据集：

library(dplyr)

data <- data.frame(id = c(1:3, rep(4, 3), 5:6),
                   id1 = c(7:9, 1:3, 10:11),
                   value = 1:8 * 10,
                   value1 = 1:8 * 20,
                   chkvar = c(rep(TRUE, 3), rep(FALSE, 3), rep(TRUE, 2)))

需求：当chkvar == FALSE时，将id1、value1等指定列的值，替换为id1匹配id时对应的参考列值（比如id1替换为id列中匹配的行值，value1替换为value1列中匹配的行值）。

现有分步实现 #

目前可以通过逐列mutate实现需求，但列数多时代码冗余：

data %>%
  mutate(value1 = ifelse(chkvar == FALSE,
                         value1[match(id1, id)],
                         value1),
         id1 = ifelse(chkvar == FALSE,
                      id1[match(id1, id)],
                      id1))

执行结果：

id id1 value value1 chkvar
1  1   7    10     20   TRUE
2  2   8    20     40   TRUE
3  3   9    30     60   TRUE
4  4   7    40     20  FALSE
5  4   8    50     40  FALSE
6  4   9    60     60  FALSE
7  5  10    70    140   TRUE
8  6  11    80    160   TRUE

问题与优化方向 #

尝试用mutate_at批量处理时，无法针对不同列动态指定对应的参考列（比如处理id1时要取id的匹配值，处理value1时要取value1的匹配值），导致代码无法通用。

简洁批量解决方案 #

推荐使用dplyr的across函数（替代旧版mutate_at），结合列名映射实现批量替换，可轻松扩展到任意多列：

方案1：列名映射实现精准匹配 #

适合列名无固定规律的场景，直接定义要替换的列和对应的参考列：

# 定义替换映射：key是要修改的列，value是参考列
replace_mapping <- list(
  id1 = "id",
  value1 = "value1"
)

data %>%
  mutate(across(all_of(names(replace_mapping)),
                ~ifelse(!chkvar,
                        # 根据当前列名取对应的参考列，再匹配id1和id的对应值
                        .data[[replace_mapping[[cur_column()]]]][match(id1, id)],
                        # 不满足条件时保留原列值
                        .)))

方案2：模式匹配实现自动映射 #

如果要替换的列和参考列有固定命名规律（比如xxx1对应xxx），可以用正则匹配批量处理：

data %>%
  mutate(across(matches("1$"),
                ~ifelse(!chkvar,
                        # 去掉列名末尾的"1"，得到参考列名
                        .data[[sub("1$", "", cur_column())]][match(id1, id)],
                        .)))

注：如果value1的参考列确实是自身（如示例），可以调整正则规则，或者优先使用方案1的映射方式更稳妥。

两种方案执行后都会得到与分步处理完全一致的结果，且新增要替换的列时，只需更新replace_mapping或调整匹配规则即可。

内容的提问来源于stack exchange，提问作者L Tyrone