如何在R中使用mutate批量对多列执行相同转换操作？

在dplyr里可以用across()函数完美实现你要的批量列操作效果，完全对应SAS数组的功能，同时还能自定义新列名。

核心实现代码 #

假设你的自定义重编码函数是类似这样的（可以替换成你自己的recoding_fn）：

recoding_fn <- function(x) {
  case_when(
    x == 1 ~ "Low",
    x == 2 ~ "Medium",
    x == 3 ~ "High",
    TRUE ~ NA_character_
  )
}

用mutate() + across()批量处理use、complex、easy三列，并生成带指定后缀的新列（解决列名不符合预期的问题）：

library(dplyr)

# 假设你的数据集名叫df，执行以下代码
df <- df %>%
  mutate(
    # 指定要处理的列
    across(c(use, complex, easy), 
           # 调用你的重编码函数
           ~ recoding_fn(.), 
           # 自定义新列名格式，{col}会自动替换成原列名
           .names = "{col}_encoded")
  )

关键细节说明 #

• across(c(use, complex, easy))：精准指定需要批量处理的列，也可以用列位置（比如1:3）或列名匹配规则（比如starts_with("xxx")）
• .names = "{col}_encoded"：自动生成新列名，比如原列use会生成use_encoded，你可以根据需求修改格式，比如"{col}_recoded"
• 如果需要直接覆盖原列（不推荐，建议保留原数据），可以省略.names参数：

df <- df %>%
  mutate(across(c(use, complex, easy), recoding_fn))

• 如果你的recoding_fn需要额外参数，直接在lambda表达式里传递即可：

df <- df %>%
  mutate(
    across(c(use, complex, easy), 
           ~ recoding_fn(., extra_param = "your_value"), 
           .names = "{col}_encoded")
  )

内容的提问来源于stack exchange，提问作者Alex Braga