如何用dplyr的mutate_at对成对列执行需多参数的函数？

当然可以实现这个需求！不过用mutate_at（或者现在更推荐的across()）的时候，需要通过列名关联的方式，把每一组的_1列和对应的_2列配对起来——你之前的尝试之所以失败，是因为没法直接在funs里把x_1对应到x_2、y_1对应到y_2，得用字符串处理来动态找到对应列。

先拿你的示例数据来演示：

library(dplyr)

df <- data.frame( 
  x_1 = c(1, NA, 3), 
  x_2 = c(1, 2, 4), 
  y_1 = c(NA, 2, 1), 
  y_2 = c(5, 6, 7) 
)

方法1：用dplyr最新的across()语法（推荐） #

across()是dplyr 1.0.0之后替代mutate_at的函数，更灵活直观：

result <- df %>%
  mutate(
    # 针对所有以_1结尾的列处理
    across(ends_with("_1"), 
           # 动态找到对应的_2列：把当前列名的_1换成_2，用get()获取该列的值
           ~ ifelse(is.na(.), get(sub("_1", "_2", cur_column())), .),
           # 设置新列名：去掉原列名的_1后缀
           .names = "{sub('_1', '', .col)}")
  )

print(result)
#>   x_1 x_2 y_1 y_2 x y
#> 1   1   1  NA   5 1 5
#> 2  NA   2   2   6 2 2
#> 3   3   4   1   7 3 1

这里cur_column()会返回当前正在处理的列名（比如x_1），通过sub("_1", "_2", ...)把它转换成x_2，再用get()提取这个列的数值，就能完美配对每一组列了。

方法2：用旧版的mutate_at（兼容dplyr旧版本） #

如果你还在使用dplyr 1.0.0之前的版本，可以用mutate_at配合重命名来实现：

result_old <- df %>%
  # 对所有_1结尾的列处理，生成带_new后缀的临时列
  mutate_at(vars(ends_with("_1")),
            funs(new = ifelse(is.na(.), get(sub("_1", "_2", cur_column())), .))) %>%
  # 把临时列的_1_new后缀去掉，得到最终的x、y列
  rename_at(vars(ends_with("_new")), ~ sub("_1_new", "", .))

方法3：转长格式处理（适合列数很多的场景） #

如果你的数据集有成十上百组这样的列，转成长格式处理会更清晰，避免写复杂的列名匹配：

library(tidyr)

result_long <- df %>%
  # 把宽格式转成长格式，拆分列名为分组（x/y）和编号（1/2）
  pivot_longer(everything(), names_to = c("group", "num"), names_sep = "_") %>%
  # 转回宽格式，让每组的1和2列并排
  pivot_wider(names_from = num, values_from = value) %>%
  # 合并1和2列：如果1列是NA就用2列的值
  mutate(merged = ifelse(is.na(`1`), `2`, `1`)) %>%
  # 只保留分组和合并后的值，再转回宽格式
  select(group, merged) %>%
  pivot_wider(names_from = group, values_from = merged) %>%
  # 和原数据合并
  bind_cols(df, .)

简单总结一下：核心思路是通过列名字符串的替换，动态找到每一组对应的备用列，而不是直接在函数里硬编码列名——这样不管你有多少组列，都能一次性处理完成。

内容的提问来源于stack exchange，提问作者Bob