如何用across函数批量创建多列？R语言dplyr代码优化需求

当需要处理大量类似var1、var2的列时，确实可以用dplyr的across函数结合表连接来简化代码，也可以用purrr的批量处理函数实现更简洁的写法，以下是两种可行方案：

方案一：dplyr join + across 实现 #

先将两个表按code连接，再通过across批量处理所有目标列的相乘操作：

library(dplyr)
library(stringr)

price <- tribble(
  ~code, ~var1, ~var2,
  "a", 1, 8,
  "b", 4, 5
)

quant <- tribble(
  ~code, ~var1, ~var2,
  "a", 10, 90,
  "b", 12, 88
)

tab3 <- price %>%
  # 按code连接两个表，给重复列名加后缀区分
  inner_join(quant, by = "code", suffix = c("_p", "_q")) %>%
  # 对所有price侧的var列，计算与对应quant侧列的乘积
  mutate(across(starts_with("var") & ends_with("_p"), 
                ~ .x * get(str_replace(cur_column(), "_p", "_q")),
                .names = "{str_remove(.col, '_p')}")) %>%
  # 只保留需要的code和计算后的var列
  select(code, starts_with("var"))

方案二：purrr map2 批量处理列 #

如果不需要显式连接表，可以直接提取目标列批量相乘后与code列绑定：

library(dplyr)
library(purrr)

# 定义所有需要相乘的列（排除code）
var_cols <- setdiff(names(price), "code")

tab3 <- price %>%
  select(code) %>%
  # 批量对price和quant的对应列执行相乘，结果按列绑定
  bind_cols(map2_dfc(price[var_cols], quant[var_cols], `*`))

两种方案都能避免手动逐个列写相乘逻辑，当新增var3、var4等列时，代码无需修改即可自动适配。

内容的提问来源于stack exchange，提问作者Damien Dotta