使用for循环结合dplyr管道批量生成列时遇‘Attributes未找到’错误

错误原因 #

你的代码存在3个核心问题：

1. 函数未使用管道传入的数据：attribute_expander定义了参数x但完全未使用，反而直接操作全局变量advisor_attributes_V2，导致管道传递的原始数据（含Attributes列）未进入函数处理逻辑，因此报找不到Attributes的错误。
2. 管道调用方式错误：%>% (attribute_expander())不符合dplyr管道语法，正确写法是直接将函数名放在管道后，让管道自动把前一步数据传给函数的第一个参数。
3. 依赖全局变量导致耦合性高：函数内部直接引用外部的merged_data，代码不健壮且易引发环境变量冲突。

修正后的代码 #

方案1：重构for循环版本的函数 #

# 重构函数：显式接收数据框和属性列表参数
attribute_expander <- function(df, attributes_list) {
  for (attr in attributes_list) {
    # 循环更新传入的df，而非全局变量
    df <- df %>%
      mutate(!!attr := ifelse(grepl(attr, Attributes, fixed = TRUE), "Y", "N"))
  }
  return(df)
}

# 调用流程
all_attributes <- unique(merged_data$Attributes)

advisor_attributes_V2 <- advisor_attributes_V1 %>%
  # 正确的管道调用，传递数据和属性列表
  attribute_expander(all_attributes) %>%
  # 使用all_of()引用变量中的列名
  select(Name, Login_ID, claim_user_key, all_of(all_attributes))

方案2：更简洁的dplyr原生写法（无需for循环） #

利用across()批量处理所有属性，代码更简洁高效：

all_attributes <- unique(merged_data$Attributes)

advisor_attributes_V2 <- advisor_attributes_V1 %>%
  # 批量生成属性列
  mutate(across(all_of(all_attributes), 
                ~ifelse(grepl(.x, Attributes, fixed = TRUE), "Y", "N"))) %>%
  select(Name, Login_ID, claim_user_key, all_of(all_attributes))

样本数据验证 #

用你提供的测试数据验证：

# 构造测试数据
advisor_attributes_V1 <- tibble(Attributes = c("A/B/C/D", "B/C/D", "A/B"))
merged_data <- tibble(Attributes = c("A", "B", "C", "D"))
all_attributes <- unique(merged_data$Attributes)

# 运行方案2的代码
advisor_attributes_V2 <- advisor_attributes_V1 %>%
  mutate(across(all_of(all_attributes), ~ifelse(grepl(.x, Attributes, fixed = TRUE), "Y", "N"))) %>%
  select(all_of(all_attributes))

# 输出结果
print(advisor_attributes_V2)
#> # A tibble: 3 × 4
#>   A     B     C     D    
#>   <chr> <chr> <chr> <chr>
#> 1 Y     Y     Y     Y    
#> 2 N     Y     Y     Y    
#> 3 Y     Y     N     N

内容的提问来源于stack exchange，提问作者A03