需求：将指定dplyr命令封装为含4个参数的R自定义函数

没问题，我帮你把给定的dplyr代码封装成了一个通用的自定义R函数，完全满足你要求的四个参数设置，还额外支持传递scales函数的可选参数，让它能适配更多场景：

library(dplyr)
library(scales)

process_scaled_data <- function(df, filter, scales_func, mutate_var, ...) {
  df %>%
    filter({{ filter }}) %>%
    mutate({{ mutate_var }} := scales_func({{ mutate_var }}, ...)) %>%
    select({{ mutate_var }}) %>%
    pull()
}

参数说明 #

• df：目标数据框，比如你示例里的Cash_Collateral
• filter：dplyr::filter()函数内的任意过滤条件，比如Collateral == 'Non-Residential'
• scales_func：scales包中的任意函数，比如scales::percent、scales::comma、scales::dollar等
• mutate_var：需要处理的待突变变量，比如LRF_Net_ActualVsForecast
• ...：可选参数，用来传递给scales_func的额外参数（比如percent函数的accuracy=0.1）

使用示例 #

用你提供的场景调用这个函数，效果和原代码完全一致：

# 调用函数得到结果
val <- process_scaled_data(
  df = Cash_Collateral,
  filter = Collateral == 'Non-Residential',
  scales_func = scales::percent,
  mutate_var = LRF_Net_ActualVsForecast,
  accuracy = 0.1
)

这个函数的优势在于复用性——你可以轻松更换数据框、过滤条件、目标变量和scales函数，比如换成用scales::comma处理数值，或者过滤其他条件：

# 另一个使用场景示例
another_val <- process_scaled_data(
  df = Cash_Collateral,
  filter = Collateral == 'Residential',
  scales_func = scales::comma,
  mutate_var = Some_Numeric_Variable,
  big.mark = ","
)

内容的提问来源于stack exchange，提问作者john