使用mutate_at匹配指定列时遇“No tidyselect variables were registered”错误的解决方法

我来帮你搞定这个问题！你遇到的报错主要是因为在mutate_at中传递列名变量的方式不对，再加上mutate_at其实已经是dplyr的旧语法了，我会给你两种解决方案：一种修复你原来的mutate_at写法，另一种是更推荐的现代dplyr语法。

先理清问题根源 #

你定义的vars_to_match是精确的列名列表，但你用了matches()（这是用来做正则模糊匹配的），虽然理论上拼接成正则也能匹配，但这种方式在tidyselect上下文中容易出现变量注册问题，导致报错。另外，从dplyr 1.0.0版本开始，官方已经推荐用across()取代mutate_at/mutate_if等旧函数，后者现在只处于维护状态。

方案1：修复mutate_at的写法 #

用all_of()来精确匹配你指定的列名，这是传递变量列名最可靠的方式：

library(dplyr)
library(tidyr)

# 数据准备（和你原来的一致）
data(iris)
my_Data <- iris %>% mutate(row = row_number()) %>% pivot_wider(names_from = Species, values_from = Sepal.Length:Petal.Width)

# 标准化函数
Scale_Me <- function(x){
  (x - mean(x, na.rm = TRUE)) / sd(x, na.rm = TRUE)
}

# 要处理的列名
vars_to_match <- c("Petal.Length_virginica", "Sepal.Length_virginica", "Sepal.Width_setosa")

# 正确的mutate_at写法
my_Data %>% mutate_at(
  .vars = all_of(vars_to_match),
  .funs = list(Scaled = Scale_Me) # 用list指定新列的后缀，更清晰
)

这里all_of(vars_to_match)会精准定位你列出的列，避免正则匹配带来的不确定性，同时也能正确注册tidyselect变量，解决报错问题。

方案2：推荐使用mutate(across(...))现代语法 #

across()是dplyr现在主推的函数，功能更灵活，写法也更直观：

# 现代写法：用across处理指定列
my_Data %>% mutate(
  across(all_of(vars_to_match), Scale_Me, .names = "{.col}_scaled")
)

• all_of(vars_to_match)：精准选择目标列
• Scale_Me：要应用的标准化函数
• .names = "{.col}_scaled"：自定义新列名，{.col}会自动替换成原列名，生成类似Petal.Length_virginica_scaled的新列，可读性更强

额外说明：如果需要模糊匹配列 #

如果你确实需要根据列名的模式（比如包含"virginica"）来选择列，那可以用matches()，写法如下：

# 匹配所有包含"virginica"的列
my_Data %>% mutate(
  across(matches("virginica"), Scale_Me)
)

内容的提问来源于stack exchange，提问作者user113156