如何批量应用dplyr的mutate函数实现多列新增？

简洁高效的实现方式 #

不需要多次链式调用mutate，可以一次性生成所有目标列，代码如下：

library(dplyr)

anotherTest <- function(data, ...) {
  # 收集传入的所有值
  values <- list(...)
  # 生成对应的列名x1、x2...
  col_names <- paste0("x", seq_along(values))
  # 用!!!展开命名后的列表，一次性添加所有列
  data %>% mutate(!!!set_names(values, col_names))
}

# 测试调用
anotherTest(mtcars, 1, 2, 3)

这个方法直接利用dplyr的非标准求值特性，比多次调用mutate更高效，也更简洁。

如果需要模拟链式调用mutate的逻辑 #

如果一定要复现mtcars %>% mutate(x1=1) %>% mutate(x2=2)...的链式操作，可以用Reduce来累积应用每个mutate步骤：

library(dplyr)
library(purrr)

anotherTest <- function(data, ...) {
  values <- list(...)
  # 为每个值生成对应的mutate表达式：xN = 对应值
  mutate_steps <- map2(seq_along(values), values, ~mutate(!!sym(paste0("x", .x)) := .y))
  # 依次将每个mutate步骤应用到数据上
  Reduce(function(current_data, step) current_data %>% step, mutate_steps, init = data)
}

# 测试调用
anotherTest(mtcars, 1, 2, 3)

原代码的错误分析 #

1. 函数定义缺失参数：testFunc没有接收数据参数，mutate(x = more)无法确定要操作的目标数据框，正确的定义应该包含数据参数：

   testFunc <- function(data, more) mutate(data, x = more)
   

2. 函数列表未绑定对应值：replicate(n, testFunc)生成的是多个完全相同的函数，没有关联到传入的具体数值，每个函数无法区分要添加的不同值。
3. 操作逻辑错误：lapply(addMutation, function(x){ x(cols)})会对每个函数传入所有值，返回多个独立的数据框，而非逐步修改同一个数据框。这类累积操作应该用Reduce而非lapply。

内容的提问来源于stack exchange，提问作者joe_bill.dollar