你提到要对66列的树木年轮数据逐列计算当年与上一年的生长比值，手动逐列写代码确实太繁琐了，下面给你几个高效的批量处理方法，都是R里常用的工具，完美适配你的需求：

方法1：用dplyr的across函数（推荐，和你现有工具链兼容） #

既然你已经在使用dplyr，across()就是专门用来批量处理多列的函数，一行代码就能搞定所有列：

library(dplyr)

# 计算比值并替换原数据（也可以存为新数据框）
treegrowth <- treegrowth %>%
  mutate(across(everything(), ~ .x / lag(.x)))

• across(everything()) 指定对数据框里的所有列进行操作
• ~ .x / lag(.x) 是对每一列执行的逻辑：当前行的值除以上一行（lag(.x) 默认取前1行，正好匹配你的需求）

如果之后你需要只处理特定列（比如某类树木），还可以把everything()换成列选择器，比如starts_with("WA")、contains("HA")等，非常灵活。

方法2：Base R原生方法（无需额外包） #

如果你不想依赖dplyr，用Base R的apply()也能实现，有两种写法：

写法A：结合dplyr的lag函数（如果环境已加载dplyr） #

treegrowth_ratios <- as.data.frame(apply(treegrowth, 2, function(col) col / lag(col)))

写法B：纯Base R手动移位（不依赖任何包） #

treegrowth_ratios <- as.data.frame(apply(treegrowth, 2, function(col) {
  # 第一行设为NA，从第二行开始计算当前值/上一行值
  c(NA, col[-1] / col[-length(col)])
}))

处理完后如果需要保留原数据的rwl类，可以加上：

class(treegrowth_ratios) <- c("rwl", "data.frame")

方法3：用purrr的map_dfc函数 #

如果你熟悉tidyverse的purrr包，map_dfc()可以逐列处理并组合成新的data.frame：

library(purrr)
library(dplyr)

treegrowth_ratios <- treegrowth %>%
  map_dfc(~ .x / lag(.x))

验证效果 #

拿你提供的HA388M列举例，原数据前6行是0.73, 0.73, 0.84, 0.43, 0.67, 0.72，处理后对应的比值会是：
NA, 1, ~1.1507, ~0.5119, ~1.5581, ~1.0746，完全符合你要的当年/上一年的生长比值。

内容的提问来源于stack exchange，提问作者ansa