dplyr中替代sapply的实现方案 批量计算数据集各变量唯一值数量

dplyr 1.0.0及以上版本可以通过across()函数实现多列批量处理，完全覆盖sapply针对数据框列的常用遍历场景，针对你统计各变量唯一值的需求，分两种常用实现方式：

• 如果你需要得到和参考sapply代码输出一致的命名向量，用summarise搭配across即可：

  library(dplyr)
  distinctValues <- iris %>% 
    summarise(across(everything(), n_distinct)) %>% 
    unlist()
  

  该输出和你原有sapply代码的运行结果完全一致。
• 如果你需要用mutate实现（比如要将各列的全局唯一值计数作为新列追加到原数据集），可以用如下代码：

  iris_with_distinct_cnt <- iris %>% 
    mutate(across(everything(), n_distinct, .names = "{.col}_distinct_cnt"))
  

  其中.names参数支持自定义新生成的列名，{.col}会自动替换为原变量名，你可以根据自己的需求调整规则。

如果有多个同类批量处理逻辑，只需要修改across的第一个参数（指定要处理的列范围，比如starts_with("Sepal")对应所有以Sepal开头的列）和第二个参数（指定要应用的函数）即可，无需重复编写多段sapply语句。

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