如何在R的dplyr中用mutate+across合并多组变量的mutate调用

当然可以把这三次mutate调用合并成一次！针对你这种成对变量的替换场景，有两种非常实用的方法，都能达到和原代码完全一致的效果：

先回顾下你的初始数据和变量定义 #

# Create example dataframe
df <- data.frame(gp = c(0, 1, 0, 1), 
                 col1A = c(1, 2, 3, 4), 
                 col1B = c(5, 6, 7, 8), 
                 col2A = c(11, 12, 13, 14), 
                 col2B = c(15, 16, 17, 18),
                 col3A = c(11, 12, 13, 14), 
                 col3B = c(15, 16, 17, 18))

aVars = c('col1A', 'col2A', 'col3A')
bVars = c('col1B', 'col2B', 'col3B')

方法1：利用变量名的固定规则（无需依赖aVars/bVars） #

如果你的A列和B列命名规则很规整（比如都是colX A和colX B的形式），可以用cur_column()动态获取当前处理的列名，再通过字符串替换得到对应的B列：

library(dplyr)
library(stringr)

df %>%
  mutate(across(all_of(aVars), ~ ifelse(gp == 0, get(str_replace(cur_column(), "A$", "B")), .x)))

这里str_replace(cur_column(), "A$", "B")会自动把当前的col1A转换成col1B，get()函数用来提取这个列的数值，完美替代重复的mutate操作。

方法2：直接使用给定的aVars和bVars对应关系 #

如果你已经明确有aVars和bVars的一一对应向量，可以结合purrr::imap和命名向量来实现：

library(dplyr)
library(purrr)

df %>%
  mutate(imap(set_names(bVars, aVars), ~ ifelse(gp == 0, .data[[.y]], .data[[.x]])))

这里set_names(bVars, aVars)把B列向量的名字设为对应的A列名称，imap会同时遍历名称（A列）和值（B列），然后用.data[[.y]]和.data[[.x]]分别获取对应的列数据，完成替换逻辑。

验证两种方法的正确性 #

你可以用all.equal()来验证，两种方法得到的结果和你原来三次mutate的结果完全一致：

# 原代码的结果
original_result <- df %>%
  mutate(col1A = ifelse(gp == 0, col1B, col1A)) %>%
  mutate(col2A = ifelse(gp == 0, col2B, col2A)) %>%
  mutate(col3A = ifelse(gp == 0, col3B, col3A))

# 方法1的结果
method1_result <- df %>%
  mutate(across(all_of(aVars), ~ ifelse(gp == 0, get(str_replace(cur_column(), "A$", "B")), .x)))

all.equal(original_result, method1_result) # 返回 TRUE

这样不仅把三次mutate合并成了一次，后续如果有更多类似的列对，只需要更新aVars和bVars向量即可，代码的可维护性大幅提升！

内容的提问来源于stack exchange，提问作者Canovice