如何使用dplyr::mutate基于整个管道数据框的条件创建新列

你得到的foo_i_am_getting列全为5的核心原因是：dplyr::mutate默认执行向量化运算，调用myf(.,rn)时会把完整的rn列（长度为5的向量）一次性传入自定义函数，而非逐行传入当前行的rn取值。filter(rn<=value)判断时会将整个rn向量作为阈值，所有行都会满足判断条件，因此返回的行数永远是整个数据框的总行数5。

在mutate前添加rowwise()函数，让运算逐行执行，每次传入当前行的rn值即可得到预期结果，运算结束后建议用ungroup()取消行分组，避免影响后续操作：

df %>% 
  rowwise() %>% 
  mutate(
    foo_fixed = myf(., rn),
    foo_expected = 1:qq
  ) %>% 
  ungroup()

使用tidy evaluation的{{ }}（双大括号语法）捕获用户传入的无引号列名，在函数内直接引用即可，修改后的函数如下：

myf <- function(dataframe, filter_col, value){
  result <- dataframe %>% 
    filter({{filter_col}} <= value) %>% 
    nrow()
  return(result)
}

调用时直接传入列名即可，无需添加引号：

df %>% 
  rowwise() %>% 
  mutate(
    foo_fixed = myf(., rn, rn), # 第一个参数rn指定过滤用的列，第二个参数rn为当前行的阈值
    foo_expected = 1:qq
  ) %>% 
  ungroup()

如果处理的数据量较大，逐行运算效率偏低，你可以根据实际业务逻辑将自定义函数改写为向量化实现，本简化场景直接用mutate(foo = 1:n())即可得到结果，不过你提到实际计算逻辑更复杂，上述rowwise方案已经可以适配自定义函数的需求。

内容的提问来源于stack exchange，提问作者takmers