如何在dplyr::mutate(across())中引用其他列并处理缺失值？

我来帮你搞定这个问题！你之前的代码出错是因为嵌套了mutate()，across()应该直接放在顶层的mutate()函数里，而且需要合理设置新列的命名规则。另外，R的除法运算本身就会在遇到NA时返回对应NA，完全符合你不想报错的需求，不需要额外处理缺失值。

正确实现代码 #

library(dplyr)

# 初始化你的数据框
df <- data.frame(baseline = c(1,2,3), day1 = c(NA,2,2), day2 = c(2,3,4), day3= c(5,4,6))

# 生成每个day列对应的变化倍数(fc)列
df_with_fc <- df %>%
  mutate(
    across(
      starts_with("day"),  # 选中所有以"day"开头的列
      ~ .x / baseline,     # 计算当前day列与baseline的比值，.x代表当前遍历的day列
      .names = "fc_{.col}" # 设置新列命名规则：fc_原列名，比如day1对应fc_day1
    )
  )

代码解释 #

• across(starts_with("day"))：精准筛选出所有以"day"开头的列，避免手动逐个指定列名。
• ~ .x / baseline：这里的.x是across()的内置占位符，代表当前正在处理的day列。因为baseline是数据框的静态列，直接引用即可，不需要用sym()和!!这类引用语法。
• .names = "fc_{.col}"：通过模板字符串定义新列的名称，让每个新生成的变化倍数列对应原day列，可读性更强。

运行结果 #

执行上述代码后，df_with_fc的输出如下：

baseline day1 day2 day3 fc_day1 fc_day2   fc_day3
1        1   NA    2    5      NA 2.00000 5.0000000
2        2    2    3    4 1.00000 1.50000 2.0000000
3        3    2    4    6 0.66667 1.33333 2.0000000

可以看到，原day列中的NA值在对应的fc列中也保留为NA，完全满足你的需求，没有出现报错或数据截断问题。

额外提示 #

如果你希望直接替换原有的day列（而不是生成新的fc列），可以去掉.names参数，简化为：

df %>% mutate(across(starts_with("day"), ~ .x / baseline))

不过更推荐保留原列，这样便于后续对比分析。

内容的提问来源于stack exchange，提问作者user42485