R语言基于dplyr优雅转换多二进制列为自定义命名因子的实现方法

两种原生生态写法均可100%匹配循环代码的输出效果，无需编写显式循环，同时保证因子水平顺序符合要求。

方案1：across逐列转换（推荐） #

核心利用dplyr内置的cur_column()函数，在逐列处理时自动获取当前列名动态生成标签，同时手动固定因子水平的顺序，完全避免格式转换带来的额外开销。
完整可运行代码：

library(dplyr)
library(tibble)

df <- tribble(
  ~id, ~A, ~B, ~C,
  "X", 1, 0, 0,
  "Y", 0, 0, 1,
  "Z", 1, 1, 1
)

df_result <- df %>% 
  mutate(across(
    .cols = A:C,
    .fns = function(x) {
      current_col <- cur_column()
      factor(
        x,
        levels = c(0, 1),
        labels = c(paste0("not ", current_col), current_col)
      )
    }
  ))

转换效果验证：

df_result$A
#> [1] A     not A A    
#> Levels: not A A

该实现与原循环代码输出完全一致，语法简洁，运行效率最优。

之前尝试的写法问题定位 #

1. pivot长转宽版本的问题
   原写法在转换因子时没有按列分组单独设置水平顺序：将长表中所有字符串值作为统一向量生成全局因子时，因子水平默认按照字符串在向量中的首次出现顺序排列。由于数据中首次出现的字符串是取值为1对应的列名（如"A"），后出现的是取值为0对应的"not X"类字符串，最终导致水平顺序颠倒。
   修正pivot版本需要在长表阶段按列名分组后，为每一列单独指定固定顺序的因子水平，修正后代码如下：

   df_pivot_fixed <- df %>% 
     pivot_longer(-id, names_to = "col_name") %>% 
     group_by(col_name) %>% 
     mutate(
       value = factor(
         value,
         levels = c(0,1),
         labels = c(paste0("not ", col_name), col_name)
       )
     ) %>% 
     ungroup() %>% 
     pivot_wider(names_from = col_name, values_from = value)
   

   该写法虽能达到预期效果，但相比across实现多了分组、长宽格式转换的步骤，冗余度更高。

2. 基础across版本的问题
   原写法的自定义转换函数未引入当前处理的列名，因此无法根据不同列名动态生成匹配的因子标签，只能使用固定的因子水平映射，无法适配列名的变化。

内容的提问来源于stack exchange，提问作者Alwin