基于dplyr实现动态命名多列，判断招聘要求是否含指定编程语言

现有包含职位空缺要求的字符串数据框df，以及存储编程语言名称的字符串向量prog_langs，需要用优雅的dplyr实现方式，在mutate中为每种编程语言生成新列，列名格式为ProgLang_{编程语言名}，新列值为布尔值，标记对应行的职位要求是否包含该编程语言。

用户提供的示例代码如下（存在用法错误）：

# 自定义函数
is_contains = function(txt, cond) if(grepl(cond, txt)) return(TRUE) else return(FALSE)

# 编程语言向量
prog_langs = c("python", "java", "sql", "html")

# 包含职位空缺要求的字符串数据框
df = data.frame("string" = c("exposure to scripting or programming languages (e.g python, c+, or powershell).", "scripting skills (e.g. java, javascript, beanshell, etc.)",
                             "basic understanding of sql", "html and css knowledge is a must."))


# 示例代码（存在错误）
df %>%
  mutate(across(.cols = vars(prog_langs), .fns = function(x) is_contains(txt = string, cond = x), .names = 'ProgLang_{.col}'))

期望输出：生成包含N个新列的df（N为prog_langs长度），每个新列值为TRUE或FALSE。

示例代码的核心问题是across(.cols = vars(prog_langs))用法错误：across的.cols参数用于指定数据框已存在的列，而非外部向量。以下是两种优雅的dplyr实现方案：

方案一：结合purrr::map_dfc批量生成列 #

利用map_dfc批量生成包含检测结果的列，再通过mutate整合到原数据框：

library(dplyr)
library(purrr)

# 定义编程语言向量与原始数据框
prog_langs = c("python", "java", "sql", "html")
df = data.frame(
  string = c(
    "exposure to scripting or programming languages (e.g python, c+, or powershell).",
    "scripting skills (e.g. java, javascript, beanshell, etc.)",
    "basic understanding of sql",
    "html and css knowledge is a must."
  )
)

# 生成目标数据框
df_new = df %>%
  mutate(
    map_dfc(prog_langs, ~ tibble(!!paste0("ProgLang_", .x) := grepl(.x, string, ignore.case = TRUE)))
  )

方案二：用across配合命名函数列表 #

先将编程语言向量转换为命名函数列表，再通过across迭代生成新列：

library(dplyr)
library(purrr)

# 定义编程语言向量与原始数据框
prog_langs = c("python", "java", "sql", "html")
df = data.frame(
  string = c(
    "exposure to scripting or programming languages (e.g python, c+, or powershell).",
    "scripting skills (e.g. java, javascript, beanshell, etc.)",
    "basic understanding of sql",
    "html and css knowledge is a must."
  )
)

# 生成命名函数列表：键为目标列名，值为对应检测函数
lang_funs = setNames(
  map(prog_langs, ~ function(x) grepl(.x, x, ignore.case = TRUE)),
  paste0("ProgLang_", prog_langs)
)

# 生成目标数据框
df_new = df %>%
  mutate(across(.cols = string, .fns = lang_funs, .names = "{.fn}"))

额外优化说明 #

• 无需自定义is_contains函数，直接使用grepl即可实现包含检测；添加ignore.case = TRUE可忽略大小写差异，适配职位要求中编程语言的不同写法（如Python、PYTHON）。
• 两种方案均会生成符合要求的新列，列名格式为ProgLang_python、ProgLang_java等，值为TRUE（包含对应语言）或FALSE（不包含）。

内容的提问来源于stack exchange，提问作者Jeparov