如何用dplyr/purrr批量计算R数据框_var列相对其余_var列均值的偏差

错误原因 #

你报错的核心是across()内部的代词.默认指代当前遍历到的单列向量，而非整个数据集，对向量调用select()自然会触发类型不匹配的错误。

实现方案 #

方案1：纯dplyr实现（推荐） #

借助cur_column()获取当前处理的列名，用.data指代当前完整数据集即可实现批量计算：

library(dplyr)

df <- df %>%
  mutate(across(
    .cols = contains("_var"),
    .fns = ~ .x - rowMeans(select(.data, contains("_var") & !cur_column())),
    .names = "{.col}_md"
  ))

参数说明：

• .names = "{.col}_md" 自动给新生成的列添加_md后缀，避免覆盖原列
• cur_column() 返回当前across正在遍历的列名
• .data 是dplyr提供的代词，指代当前管道传输的完整数据集

方案2：dplyr+purrr实现 #

如果更习惯purrr的批量映射逻辑，可以先提取所有目标列名再批量计算：

library(dplyr)
library(purrr)

# 提取所有带`_var`后缀的列名
var_cols <- grep("_var", names(df), value = TRUE)

# 批量计算所有差值列
md_cols <- map_dfc(var_cols, function(col) {
  df[[col]] - rowMeans(select(df, all_of(var_cols) & !all_of(col)))
}) %>% set_names(paste0(var_cols, "_md"))

# 绑定到原数据集
df <- bind_cols(df, md_cols)

两种方案运行后得到的结果和你逐列计算的预期输出完全一致。

内容的提问来源于stack exchange，提问作者Polina B