首先帮你梳理下之前代码的问题：

• 变量名拼写错误：你定义的是colsasfactors，但代码里写成了colsasfactor（少了末尾的s）
• lapply和dplyr管道的结合逻辑有误：直接在管道里用lapply(colnames(df) %in% colsasfactor, factor)完全不符合批量转换列的需求——colnames(df) %in% ...返回的是布尔向量，lapply会把这个向量的每个元素当成独立对象处理，根本不会作用到数据框的列上。

下面给你几种高效的实现方式，从最推荐的dplyr现代语法到基础R方法都有：

方法1：使用dplyr的across()（推荐，dplyr 1.0.0+） #

这是dplyr当前的标准写法，可读性和扩展性都很强：

library(dplyr)

# 定义你的数据框
df <- data.frame(id = c(1, 2, 3, 4, 5, 6, 7, 8, 9), 
                 customer = c("Alice", "Bob", "Carlos", "Chuck", "Craig", "Heidi", "Judy", "Rupert", "Wendy"), 
                 Balance = c(100, 75, 56, 172, 450, 777, 1001, 25, 968), 
                 Hour = c(1, 23, 4, 5, 6, 12, 14, 17, 17), 
                 InDebt = c(1, 1, 1, 1, 0, 0, 0, 1, 1), 
                 DueDay = c("Mon", "Tue", "Wed", "Fri", "Sun", "Sat", "Thu", "Mon", "Wed"), 
                 AppBooked = c(1, 1, 1, 0, 0, 1, 0, 1, 1) )

# 指定要转换为因子的列名向量
cols_as_factors <- c("Hour", "InDebt", "AppBooked")

# 批量转换
df <- df %>%
  mutate(across(all_of(cols_as_factors), as.factor))

# 验证转换结果
str(df)

这里all_of()用来安全引用列名向量，避免列名和环境中的变量名冲突；across()会遍历指定的所有列，对每一列应用as.factor函数。

方法2：兼容旧版dplyr的mutate_at() #

如果你用的是dplyr 1.0.0之前的版本，可以用mutate_at()：

df <- df %>%
  mutate_at(vars(cols_as_factors), as.factor)

方法3：基础R的lapply实现（无需dplyr） #

如果不想依赖dplyr，用基础R就能高效完成，处理100列也毫无压力：

df[cols_as_factors] <- lapply(df[cols_as_factors], as.factor)

这个写法非常简洁，直接提取目标列，用lapply批量转换后重新赋值回去，性能出色。

你可以根据自己的环境选择合适的方法，其中方法1是当前最推荐的dplyr规范写法，后续扩展操作（比如对不同列用不同函数、添加筛选条件）也更方便。

内容的提问来源于stack exchange，提问作者JGW