如何在mutate_at的vars中添加多条件，分别重编码js和js_R_类变量？

你可以通过在vars()中组合多条件筛选，精准区分两类列，再分别应用重编码规则。以下是具体实现：

方法1：vars()组合条件筛选 #

直接用contains()结合逻辑运算符&和!，筛选出含"js"但不含"R"的列，再对两类列分别调用mutate_at：

library(dplyr)

# 定义两类列的重编码规则
js_recode <- c(
  "Strongly agree" = 5,
  "Agree" = 4,
  "Neither" = 3,
  "Disagree" = 2,
  "Strongly disagree" = 1
)

js_R_recode <- c(
  "Strongly disagree" = 5,
  "Disagree" = 4,
  "Neither" = 3,
  "Agree" = 2,
  "Strongly agree" = 1
)

# 执行重编码
d1_encoded <- d1 %>%
  # 处理含js但不含_R_的列
  mutate_at(vars(contains("js") & !contains("_R_")), ~ recode(., !!!js_recode)) %>%
  # 处理含js_R_的列
  mutate_at(vars(contains("js_R_")), ~ recode(., !!!js_R_recode))

print(d1_encoded)

方法2：正则匹配更精准筛选 #

如果列名规则固定，也可以用matches()配合正则表达式，匹配以js开头但不紧跟_R_的列：

d1_encoded_regex <- d1 %>%
  mutate_at(vars(matches("^js(?!_R_)")), ~ recode(., !!!js_recode)) %>%
  mutate_at(vars(matches("js_R_")), ~ recode(., !!!js_R_recode))

推荐：使用across()替代mutate_at（dplyr 1.0.0+） #

mutate_at已被软弃用，新版本dplyr推荐用across()，写法更简洁灵活：

d1_encoded_across <- d1 %>%
  mutate(
    across(contains("js") & !contains("_R_"), ~ recode(., !!!js_recode)),
    across(contains("js_R_"), ~ recode(., !!!js_R_recode))
  )

内容的提问来源于stack exchange，提问作者sdS