如何在R中使用across()创建不依赖现有列的多个新列

首先明确：dplyr::across()是用来操作已存在的列的，它的第一个参数是针对现有列的选择器，所以没法用它直接创建全新的列，得换其他思路。下面是几种实用的tidyverse方案：

方法1：用mutate()结合!!!解包临时tibble #

这是最贴近批量操作需求的写法，通过构造带列名的临时tibble，再解包传入mutate()：

library(dplyr)
dat <- tibble(a = 1:5, b = LETTERS[1:5])
new_vars <- c("foo", "bar", "bar2")

# 批量添加NA填充的新列
dat <- dat %>% 
  mutate(!!!tibble(!!!set_names(rep(list(NA), length(new_vars)), new_vars)))

• set_names(rep(list(NA), length(new_vars)), new_vars)：给每个NA值（用列表包裹是为了保留向量长度）绑定对应的列名
• tibble(...)：把命名后的NA元素转成临时 tibble
• !!!：把临时tibble解包成mutate()的多个参数，等价于手动写foo=NA, bar=NA, bar2=NA

方法2：用bind_cols()直接绑定新列tibble #

这个写法更直观，直接生成新列的tibble，再和原数据绑定：

dat <- dat %>% 
  bind_cols(tibble(!!!set_names(rep(list(NA), length(new_vars)), new_vars)))

方法3：结合purrr::map_dfc生成新列 #

如果需要更灵活的填充逻辑（比如填充0、随机数等），可以用purrr的函数批量生成列：

library(purrr)
library(dplyr)

# 批量添加NA列
dat <- dat %>% 
  bind_cols(map_dfc(set_names(new_vars), ~ rep(NA, nrow(.))))

# 如果要填充其他值，比如0，只需要把NA换成0
dat <- dat %>% 
  bind_cols(map_dfc(set_names(new_vars), ~ rep(0, nrow(.))))

补充：单个新列的简化写法 #

如果只是加少量新列，直接写最直观：

dat <- dat %>% mutate(foo = NA, bar = NA, bar2 = NA)

内容的提问来源于stack exchange，提问作者Earlien