如何用dplyr的mutate_at或替代方法基于列名数值重算数据框列

我来帮你搞定这个批量重算的需求！你之前手动指定列的方式虽然可行，但确实不够高效，尤其是列多的时候。下面给你几个实用的批量处理方案，都是不用显式列名的：

推荐方案：用dplyr的across（最新语法） #

dplyr现在已经推荐用across替代旧的mutate_at这类函数了，它能更清晰地实现批量列操作：

library(dplyr)

df <- data.frame(year = 1:3, "10" = 0:2, "20" = 3:5)
colnames(df)[2:3] <- c("10", "20")

# 方案1：排除year列，处理其他所有列
df %>%
  mutate(across(-year, ~ as.numeric(cur_column()) - .x))

# 方案2：精准匹配列名是纯数字的列（更稳妥，避免误处理其他列）
df %>%
  mutate(across(matches("^\\d+$"), ~ as.numeric(cur_column()) - .x))

解释一下： #

• across(-year)：表示选择除了year之外的所有列；如果你的数字列是固定位置，也可以用across(2:3)，但用正则匹配更灵活。
• matches("^\\d+$")：用正则表达式筛选列名是纯数字的列，不管你有多少个数字列，都能自动识别。
• ~ as.numeric(cur_column()) - .x：cur_column()会拿到当前正在处理的列名，转成数值后减去列内的每个值（.x代表列中的单个元素）。

Base R 方案（不用dplyr也能搞定） #

如果你不想依赖dplyr，用Base R也能实现同样的效果：

# 先筛选出列名是纯数字的列的索引
num_col_indices <- which(grepl("^\\d+$", colnames(df)))

# 批量计算并赋值
df[num_col_indices] <- lapply(num_col_indices, function(i) {
  as.numeric(colnames(df)[i]) - df[[i]]
})

关于你之前mutate_at失败的原因 #

你之前用mutate_at失败，大概率是因为没有正确获取当前列名。旧版mutate_at可以这么写（不过现在已经被across取代，不推荐使用）：

# 旧版mutate_at写法（仅作参考，不推荐）
df %>%
  mutate_at(vars(-year), funs(as.numeric(cur_column()) - .))

不过还是建议用across，它是dplyr团队主推的新语法，更直观也更灵活。

内容的提问来源于stack exchange，提问作者symbolrush