R语言按amount_code条件对数据集内所有数值观测做规则除法的实现
可直接复用的实现方案
原代码的问题定位
你写的代码无法运行的核心原因是mutate_if()的参数匹配逻辑错位:
mutate_if()的第二个参数是用来判断「哪些列需要被修改」的列级谓词- 第三个参数才是对选中列应用的变换函数
- 你将行级判断条件
amount_code == 1放到了列选择的参数位置,既不符合函数传参规则,也无法实现逐行判断数值、定向转换的需求
实现逻辑
完全匹配你的约束要求:
- 仅作用于数据集内的数值型观测,非数值列(字符、日期、布尔值等)完全不受影响
- 自动适配任意数量的数值型列,不需要手动逐列罗列
- 逐行匹配
amount_code取值,应用对应的除法规则 - 主动排除作为判断依据的
amount_code列,避免将分类编码本身错误除以系数
代码实现
适配dplyr 1.0.0及以上版本(当前官方推荐写法)
library(dplyr) df1 <- df %>% mutate( across( # 选中所有数值型列,排除amount_code .cols = where(is.numeric) & !all_of("amount_code"), .fns = ~ case_when( amount_code == 1 ~ . / 1000000, amount_code == 2 ~ . / 1000, # 其他编码值保持原始值不变 .default = . ) ) )
低版本dplyr兼容写法
如果使用的dplyr版本低于1.0.0,不支持across()函数,可以用兼容写法:
library(dplyr) df1 <- df %>% mutate_at( vars(-amount_code, where(is.numeric)), ~ case_when( cur_data()$amount_code == 1 ~ . / 1000000, cur_data()$amount_code == 2 ~ . / 1000, TRUE ~ . ) )
效果验证
用你提供的测试数据集运行上述代码,输出结果与期望完全一致:
amount_code value 1 0.123456 1 0.234567 2 123.456 2 234.567
适配场景提示:如果业务数据集中存在其他不需要参与转换的数值型编码列,只需要把对应列名追加到
!all_of()的排除列表即可,不需要修改核心转换逻辑。
内容的提问来源于stack exchange,提问作者coding_sailor
相关产品推荐
相关产品推荐

