如何用tidyverse的mutate与across基于字符向量生成二进制变量

问题描述 #

现有存储招聘要求的data.frame（df）和技能字符向量（skills），需要为每个技能创建二进制列：若招聘要求包含对应技能则赋值为TRUE，否则为FALSE，要求使用tidy风格（mutate+across）实现。

示例数据 #

df = structure(list(id = c(582L, 582L, 582L, 582L, 582L), requirements = c("rpg; as400; sql; db2; java; aws", 
"python; sql; r; linux; sas; aws", "oracle; microsoft sql server; mysql", 
"uml; bmpn; sql", ".net; c#; python; mvvm; java")), class = "data.frame", row.names = c(NA, 
-5L))

skills = c("sql", "python", "aws", "java", "oracle")

期望输出 #

#    id                        requirements   sql python   aws  java oracle
# 1 582     rpg; as400; sql; db2; java; aws  TRUE  FALSE  TRUE  TRUE  FALSE
# 2 582     python; sql; r; linux; sas; aws  TRUE   TRUE  TRUE FALSE  FALSE
# 3 582 oracle; microsoft sql server; mysql  TRUE  FALSE FALSE FALSE   TRUE
# 4 582                      uml; bmpn; sql  TRUE  FALSE FALSE FALSE  FALSE
# 5 582        .net; c#; python; mvvm; java FALSE   TRUE FALSE  TRUE  FALSE

问题分析 #

你之前的代码中，colnames(.x)无法正确获取当前列名——因为across中的.x指代的是当前列的值而非列名，需要改用cur_column()函数来获取当前处理的列名。

正确实现方案 #

无需预先创建空列，直接在mutate中用across遍历技能向量，结合cur_column()和grepl完成匹配：

library(dplyr)

df_processed <- df %>%
  mutate(across(all_of(skills), ~ grepl(cur_column(), requirements, fixed = TRUE)))

补充说明 #

• all_of(skills)：指定要生成的列（以技能向量中的元素作为列名）
• cur_column()：获取当前正在处理的列名，即对应的技能名称
• fixed = TRUE：关闭正则表达式匹配，避免技能名中的特殊字符（如.）被当作正则符号处理，确保精确匹配目标字符串
• grepl直接返回逻辑值，无需额外用ifelse转换

如果需要更严谨的独立单词匹配（避免匹配包含目标技能的更长字符串，比如防止sql误匹配sqlserver），可以使用单词边界正则：

df_processed <- df %>%
  mutate(across(all_of(skills), ~ grepl(paste0("\\b", cur_column(), "\\b"), requirements)))

内容的提问来源于stack exchange，提问作者Jeparov