如何在函数中使用mutate()为数据框拼接默认值？

背景 #

我的最终目标是生成符合Trimble批量地理编码JSON规范的文件，需要处理地址相关字段的默认值填充逻辑：输入数据框包含两类列，一类是名称可变的地址列（用A_dots指代，由函数...参数覆盖），这些列需要被丢弃；另一类是固定名称的列（B、C、D），这些列可能存在于输入数据框中，若缺失则用函数参数定义的默认值填充，最终输出仅保留B、C、D列。

问题 #

需要实现一个函数，接收列数可变的数据框，自动保留已存在的B/C/D列，为缺失的B/C/D列填充对应默认值，同时丢弃所有A类列。当前函数的问题在于mutate()中无法正确从向量拼接默认值，导致报错。

待修复函数 #

现有函数逻辑如下（无法正常工作）：

library(tidyverse)  # 解决方案不局限于tidyverse

myfun <- function(df,
                   ...,
                   B = 4,
                   C = TRUE,
                   D = "a_default_value"){

  vec_field_defaults <- c("B", "C", "D")
  vfd_match <- intersect(vec_field_defaults, names(df))
  vfd_nomatch <- setdiff(vec_field_defaults, names(df))

  if (length(vfd_match) > 0){
    df2 <- df[,vfd_match]
    if (length(vfd_nomatch) > 0){
      df2 <- mutate(df2, !!!vfd_nomatch := !!!vfd_nomatch)  # 此处错误
    }
  } else {
    df2 <- data.frame(B = rep(B, nrow(df)),
                      C = rep(C, nrow(df)),
                      D = rep(D, nrow(df)))
  }

  return(df2)
}

预期行为示例 #

基准数据框 #

初始测试数据：

df_baseline <- data.frame(A = c("Address1", "Address2", "Address3"),
                          B = c(1L, 2L, 3L),
                          C = c(TRUE, FALSE, FALSE),
                          D = c("Some", "different", "values."))

# 输出：
#         A B     C         D
# 1 Address1 1  TRUE      Some
# 2 Address2 2 FALSE different
# 3 Address3 3 FALSE   values.

仅保留A列 #

输入仅含A列时，输出应填充所有默认值：

df_1 <- select(df_baseline, A)
myfun(df_1)

# 预期输出：
#   B    C               D
# 1 4 TRUE a_default_value
# 2 4 TRUE a_default_value
# 3 4 TRUE a_default_value

保留A和B列 #

输入含A和B列时，保留B列值，填充C、D的默认值：

df_2 <- select(df_baseline, A, B)
myfun(df_2)

# 预期输出：
#   B    C               D
# 1 1 TRUE a_default_value
# 2 2 TRUE a_default_value
# 3 3 TRUE a_default_value

保留A、B、C列 #

输入含A、B、C列时，保留B、C列值，填充D的默认值：

df_3 <- select(df_baseline, A, B, C)
myfun(df_3)

# 预期输出：
#   B    C               D
# 1 1 TRUE a_default_value
# 2 2 FALSE a_default_value
# 3 3 FALSE a_default_value

保留所有列 #

输入含所有列时，直接保留B、C、D列值：

df_4 <- select(df_baseline, A, B, C, D)
myfun(df_4)

# 预期输出：
#   B    C         D
# 1 1 TRUE      Some
# 2 2 FALSE different
# 3 3 FALSE   values.

解决方案 #

问题核心在于原代码中错误地将列名字符串作为值赋值，且未生成对应行数的默认值向量。以下是修复后的函数：

library(tidyverse)

myfun <- function(df,
                   ...,
                   B = 4,
                   C = TRUE,
                   D = "a_default_value"){
  
  # 绑定目标列名与对应默认值，避免硬编码
  default_vals <- list(B = B, C = C, D = D)
  
  # 提取数据框中已存在的目标列，自动丢弃A类列
  existing_cols <- intersect(names(default_vals), names(df))
  df2 <- df[, existing_cols, drop = FALSE]
  
  # 生成缺失列的默认值向量（长度匹配数据框行数）
  missing_cols <- setdiff(names(default_vals), existing_cols)
  if (length(missing_cols) > 0) {
    new_cols <- map(missing_cols, ~ rep(default_vals[[.x]], nrow(df))) %>% 
      set_names(missing_cols)
    df2 <- bind_cols(df2, new_cols)
  }
  
  # 确保输出列顺序与默认值列表一致（可选，提升一致性）
  df2 <- df2[, names(default_vals)]
  
  return(df2)
}

逻辑说明 #

1. 命名列表绑定默认值：用default_vals将列名和对应的默认值关联，比硬编码向量更易维护。
2. 提取现有列：自动筛选出输入数据框中已存在的B/C/D列，忽略所有A类列。
3. 填充缺失列：对缺失的列，生成与数据框行数一致的默认值向量，通过bind_cols合并到结果中。
4. 统一列顺序：确保输出列的顺序固定为B、C、D，符合预期格式。

该函数可以处理所有测试场景，输出与预期完全一致，同时简化了原有的分支逻辑，避免冗余代码。

内容的提问来源于stack exchange，提问作者ScottyJ