R语言dplyr如何按分组对多列批量计算百分位数

首先修正前置问题：你最初定义list_of_col的写法list_of_col <- total[ -c(2:8,16:21) ]取到的是完整的数据框子集，无法被dplyr的列选择逻辑识别，正确的列选择可以直接在函数内编写，或提前存储目标列的列名向量。

匹配你原有mutate_at框架的写法 #

你代码中标记为X的位置，传入对每列生效的匿名函数即可，用.指代当前遍历到的目标列，完整可运行代码如下：

# 提前存储目标列名（如果要沿用list_of_col变量的话）
list_of_col <- colnames(total)[-c(2:8,16:21)]

total <- total %>%
  group_by(B) %>%
  mutate_at(list_of_col, ~rank(.)/length(.)) %>%
  ungroup() # 计算完成后取消分组，避免后续操作受分组逻辑影响

代码中~rank(.)/length(.)是purrr风格的简写匿名函数，等价于function(current_col) {rank(current_col)/length(current_col)}，会自动按分组应用到你传入的所有目标列上，计算逻辑和你之前单列计算的规则完全一致。

新版dplyr推荐写法（dplyr 1.0.0及以上版本支持） #

目前mutate_at已经被兼容性、灵活性更强的across()函数取代，不需要提前单独存储列名变量，直接在across()内使用和select()完全一致的列选择语法即可，代码更简洁：

total <- total %>%
  group_by(B) %>%
  mutate(
    # 直接在across里写排除列的位置规则即可
    across(-c(2:8,16:21), ~rank(.)/length(.))
  ) %>%
  ungroup()

注意：如果目标列存在缺失值NA，可以调整函数逻辑适配，避免计算结果偏差：~rank(., na.last = "keep")/sum(!is.na(.))，该写法会保留NA值的位置，分母自动取对应分组内当前列的非缺失值数量。

内容的提问来源于stack exchange，提问作者Robxaa798