如何在dplyr的across中为多列匹配对应参数？

需求背景 #

已知dplyr的across常用范式是「多列、单函数」，现在需要给不同列应用同一函数，但每个列对应的参数不同。目前通过cur_column()结合过滤参数表的方式实现了需求，但这种写法需要逐个匹配列名取参数，不够简洁，希望找到更高效的写法。

原实现代码 #

library(dplyr)

df = data.frame(column1 = 1:100, column2 = 1:100)

parameters = data.frame(
    column_names = c('column1','column2'),
    parameters = c(10,100))
    
custom_function = function(x, addend){
    x + addend
}

df2 = df %>% mutate(
    across(parameters$column_names,
           ~custom_function(., addend = parameters %>%
                                        filter(column_names == cur_column()) %>% 
                                        pull(parameters))))

简洁解决方案 #

将参数表转换为命名向量，用列名作为向量名称，这样在across中可以直接通过cur_column()快速匹配对应参数，避免冗余的过滤操作：

library(dplyr)

df = data.frame(column1 = 1:100, column2 = 1:100)

parameters = data.frame(
    column_names = c('column1','column2'),
    parameters = c(10,100))
    
custom_function = function(x, addend){
    x + addend
}

# 转换为命名参数向量，列名与参数一一对应
param_vec = set_names(parameters$parameters, parameters$column_names)

df2 = df %>% 
    mutate(across(all_of(parameters$column_names), ~custom_function(., addend = param_vec[cur_column()])))

补充说明 #

• 命名向量的方式更鲁棒：即使后续列的顺序变化，只要列名匹配就能正确取到参数，避免了依赖列顺序的潜在问题。
• 如果能确保parameters$column_names的顺序和across选中的列顺序完全一致，也可以用以下简化写法（但鲁棒性较差，不推荐）：

  df2 = df %>% 
      mutate(across(parameters$column_names, ~custom_function(., addend = parameters$parameters[match(cur_column(), parameters$column_names)])))
  

内容的提问来源于stack exchange，提问作者tyler.reed