tidyverse中map与mutate的变量选择问题咨询

核心差异说明 #

dplyr的select系列函数（包括across、c_across）支持tidyselect语法（比如负号排除列名、a:e按名称范围选择、starts_with等辅助选择器），而purrr的map_at等函数默认仅接受位置索引或字符向量，不直接兼容tidyselect语法，这是导致操作逻辑“不符合直觉”的核心原因。

问题1：map/mutate中排除指定列的操作方法 #

1. 为什么map_at(-"b", as.character)无效？ #

map_at的列选择参数仅识别整数位置或字符列名，不支持tidyselect的负号排除列名语法。以下是几种更优解决方案：

方案1：用tidyselect::all_of转换列名（兼容purrr）

df %>% map_at(-tidyselect::all_of("b"), as.character)

all_of会将字符列名转换为tidyselect可识别的选择器，配合负号即可实现列排除。

方案2：用dplyr::mutate + across（推荐，符合数据框处理习惯）

如果目标是修改数据框列类型而非返回列表，优先使用across，它完全支持tidyselect语法：

df %>% mutate(across(-b, as.character))

方案3：排除最后一列的更优写法

除了map_at(-ncol(.), as.character)，用tidyselect的last_col()更直观：

# 修改数据框列类型
df %>% mutate(across(-last_col(), as.character))
# 用purrr处理列表
df %>% map_at(-tidyselect::all_of(tidyselect::last_col()), as.character)

2. rowwise下排除指定列求和的正确做法 #

rowwise()中直接写sum(-ID)无效，因为负号在这里是数值取反而非列排除。正确做法是用c_across（专门用于rowwise环境下的多列引用，支持tidyselect语法）：

df %>% rowwise() %>% mutate(Sum = sum(c_across(-ID))) %>% ungroup()

无需依赖apply或select，c_across会保留rowwise的逐行计算逻辑，结果更符合预期。

问题2：使用:运算符按名称选择列的方法 #

1. map_at中按名称范围选择列 #

map_at(a:e, as.character)无效，因为a:e在base R中会被解析为数值序列（比如第一行a=1、e=1时，a:e等价于1:1），而非列名范围。正确写法需先通过tidyselect获取目标列名：

方案1：用tidyselect::vars_select提取列名

target_cols <- tidyselect::vars_select(names(df), a:e)
df %>% map_at(target_cols, as.character)

方案2：用mutate + across（推荐）

处理数据框时优先用across，直接支持a:e的列名范围选择：

df %>% mutate(across(a:e, as.character))

2. rowwise下按名称范围求和的正确写法 #

sum(a:e)有误导性：这里的a:e会被解析为数值序列而非列名范围，导致结果不符合预期。正确做法是用c_across：

df %>% rowwise() %>% mutate(Sum = sum(c_across(a:e))) %>% ungroup()

该写法会逐行对a到e的列求和，变量数量多时无需逐个列举列名。

内容的提问来源于stack exchange，提问作者qwertzuiop