使用purrr与dplyr::select批量创建二分类变量的实现方法

最优原生方案（dplyr 1.0及以上版本推荐） #

不用额外调用purrr，直接用dplyr自带的across()函数即可完成批量列处理，语法更简洁执行效率更高：

library(tidyverse)

df <- tibble(z = c(0, 0), a_1 = c(.1, NA), a_2 = c(NA, .1))

out <- df %>%
  mutate(
    # 匹配所有a_开头的列做转换，.names参数指定新列的命名规则
    across(starts_with("a_"), ~if_else(is.na(.x), 0, 1), .names = "{.col}_d")
  )

运行后得到的out和你示例的目标输出完全一致。

结合purrr的实现方案 #

如果你需要明确使用purrr函数完成需求，可参考以下写法：

out <- df %>%
  bind_cols(
    # 筛选目标列后逐列处理，合并为新的tibble再统一加后缀
    map_dfc(select(., starts_with("a_")), ~if_else(is.na(.x), 0, 1)) %>%
      rename_with(~paste0(.x, "_d"))
  )

原代码错误说明 #

你之前的写法无法正常运行的核心原因有两个：

• 第一步调用select(starts_with("a_"))会直接丢弃原表中其他不需要处理的列（比如示例中的z列），无法得到完整的输出表
• map的.f参数需要传入函数对象，你直接写mutate({{.x}}_d = ...)不符合语法规范，也没有处理动态列名的生成逻辑

内容的提问来源于stack exchange，提问作者nicholas