如何在dplyr 1.1.0中使用across()调用带共享参数的函数列表

使用模拟数据和函数快速设置 #

• 加载dplyr包

  library(dplyr)
  

• 创建单列数据框

  data <- data.frame(a = 1:5)
  

• 定义两个自定义函数

  newfun1 <- function(x, val) {x + val}
  newfun2 <- function(x, val) {x * val}
  

• 将函数存储为命名列表

  usefuns <- stats::setNames(as.list(c(newfun1, newfun2)), c("fun1", "fun2"))
  

需求目标 #

将usefuns中的每个函数应用到data的a列，统一指定val参数为100

旧版本（dplyr < 1.1.0）实现方式 #

直接通过across()的...参数传递公共参数即可：

data %>% mutate(across(.col = a, .fns = usefuns, val = 100))

dplyr 1.1.0+的兼容性问题 #

升级到dplyr 1.1.0及以上版本后，会收到以下警告：

自dplyr 1.1.0起，across()的...参数已被弃用。请通过匿名函数直接向.fns传递参数。
#旧写法
across(a:b, mean, na.rm = TRUE)
#新写法
across(a:b, ~mean(x, na.rm = TRUE))

已找到的可行写法 #

# 直接调用函数
data %>% mutate(across(.col = a, .fns = list(fun1 = ~newfun1(.x, val = 100), fun2 = ~newfun2(.x, val = 100))))

# 从命名列表调用
data %>% mutate(across(.col = a, .fns = list(fun1 = ~usefuns$fun1(.x, val = 100), fun2 = ~usefuns$fun2(.x, val = 100))))

但以上写法不够简洁——实际场景中usefuns的函数数量不固定，且可能有更多公共参数，每次都逐个写匿名函数效率太低。

补充场景 #

val参数值可能随应用场景变化，比如多列数据框：

data <- data.frame(a = 1:5, b = 6:10, c = 11:15)

在旧版本中可以这样批量处理：

data %>% mutate(across(.col = c(a, b), .fns = usefuns, val = 100), across(.col = c, .fns = usefuns, val = 200))

试过多种函数列表的调用方式，也尝试过purrr但效果不理想，想知道是否可以用partial()简化操作，以及具体用法。

内容的提问来源于stack exchange，提问作者Danielle Quinn