在dplyr中用mutate处理多列时，如何按列名匹配引用另一数据框行值？

方法一：使用mutate(across)直接处理 #

先把中位数表转换成命名向量，通过列名直接匹配对应中位数：

# 将dft2_stat_norm转为命名向量，列名对应An_Names，值对应median_Resp_norm
median_vec <- tibble::deframe(dft2_stat_norm)

# 批量处理目标列
dft_MOM_full <- dft_Resp_norm %>%
  select(1:7) %>%
  mutate(across(any_of(analytes), ~ .x / median_vec[cur_column()]))

说明：deframe能把两列结构的tibble转成命名向量，cur_column()会获取当前正在处理的列名，精准匹配对应的中位数。

方法二：通过pivot_longer重塑数据处理 #

这种方法逻辑更直观，适合理解数据格式转换的思路：

dft_MOM_full <- dft_Resp_norm %>%
  select(1:7) %>%
  # 将目标列转换为长格式
  pivot_longer(any_of(analytes), names_to = "An_Names", values_to = "value") %>%
  # 关联中位数表，匹配对应列的中位数
  left_join(dft2_stat_norm, by = "An_Names") %>%
  # 计算除以中位数后的值
  mutate(MOM = value / median_Resp_norm) %>%
  # 转回宽格式，恢复原始数据结构
  pivot_wider(id_cols = c(Datum, Lfd_Nr, Probe, cond), 
              names_from = "An_Names", values_from = "MOM")

说明：先把宽表转成包含列名和对应值的长表，通过列名关联中位数数据，计算完成后再转回宽表，保持原始数据的列结构。

• 《R数据科学》（R for Data Science）：tidyverse生态的入门核心读物，覆盖数据导入、清洗、转换、可视化全流程，案例贴近实际，适合新手系统建立数据处理思维。
• tidyverse官方入门教程：聚焦dplyr、tidyr等核心包的基础用法，通过分步练习快速掌握数据操作逻辑。
• swirl包：交互式R练习工具，可在R控制台内完成知识点练习，边学边练巩固基础。

内容的提问来源于stack exchange，提问作者Sulfatide