使用R tidyverse的mutate、replace、unite折叠列 如何编写可复用函数？

样本数据 #

预期输出 #

实现方法 #

你原有的实现逻辑是对的，仅需替换手动逐列替换的部分为dplyr内置的批量列处理函数across()即可适配100+列的场景，无需逐个编写变量规则：

library(tidyverse)

Data %>%
  # 批量处理除ID外的所有列，值为x的替换为当前列名，否则保留NA
  mutate(across(-ID, ~ifelse(.x == "x", cur_column(), NA))) %>%
  # 合并除ID外的所有列，自动忽略NA值
  unite("Unified", -ID, na.rm = TRUE, sep = "_")

代码说明 #

• across(-ID)：指定处理范围为除ID列外的所有列，你也可以使用starts_with()、matches()等列选择器灵活限定处理范围
• cur_column()：自动获取当前正在处理的列名，无需手动指定列名常量
• unite()参数sep = "_"指定多值拼接的分隔符，可根据需求调整

如果需要复用该逻辑，可以封装为独立函数：

# 自定义函数，支持自定义ID列、输出列名、分隔符
unify_flag_columns <- function(data, id_col = "ID", output_col = "Unified", sep = "_") {
  data %>%
    mutate(across(-{{ id_col }}, ~ifelse(.x == "x", cur_column(), NA))) %>%
    unite({{ output_col }}, -{{ id_col }}, na.rm = TRUE, sep = sep)
}

# 调用示例
result <- unify_flag_columns(Data)

内容的提问来源于stack exchange，提问作者cellist_by_night