以整洁方式转换多列：R管道内批量列转换方案咨询

当然有啦！在tidyverse的管道工作流里，批量处理多列并生成新列其实非常顺手，我给你整理几个常用且优雅的方案：

1. 推荐方案：使用across()函数（tidyverse 1.0.0+） #

这是目前tidyverse官方推荐的写法，语法清晰且灵活性拉满，完美适配管道流：

library(tidyverse)

# 设置随机种子让结果可重复
set.seed(123)
df <- tibble(
  iq_pre = rnorm(10, 100, 15),
  iq_post = rnorm(10, 100, 18),
  gender = rep(c("m", "f"), each = 5)
)

# 批量转换指定列，生成带后缀的新列
df_processed <- df %>%
  mutate(
    # 选择要处理的列：可以用列名向量，也能用starts_with/matches这类选择器
    across(c(iq_pre, iq_post), 
           # 应用对数转换
           ~log(.), 
           # 新列命名规则：原列名 + _lg
           .names = "{col}_lg")
  )

# 查看处理后的数据
print(df_processed)

如果你的数值列都有统一前缀（比如这里的iq_），还可以用更灵活的列选择器，不用手动列出来：

df %>%
  mutate(
    across(starts_with("iq_"), ~log(.), .names = "{col}_lg")
  )

甚至可以直接选择所有数值列：

df %>%
  mutate(
    across(where(is.numeric), ~log(.), .names = "{col}_lg")
  )

2. 兼容旧版tidyverse：使用mutate_at() #

如果你用的是较早版本的tidyverse，mutate_at()也是个不错的选择，语法稍微简洁一点：

df_processed <- df %>%
  mutate_at(
    # 指定要处理的列
    vars(iq_pre, iq_post),
    # 定义转换函数和新列后缀
    list(lg = ~log(.))
  )

执行后同样会生成iq_pre_lg和iq_post_lg这两个新列。

3. 管道中用基础R写法（不推荐，但可选） #

你熟悉的基础R写法其实也能塞进管道里，只是语法会稍微绕一点，不如上面的tidyverse方法优雅：

df_processed <- df %>%
  {
    temp_df <- .
    temp_df[c("iq_pre_lg", "iq_post_lg")] <- log(temp_df[c("iq_pre", "iq_post")])
    temp_df
  }

小结 #

优先推荐across()方案，它不仅符合现代tidyverse的编码风格，还能轻松应对各种列选择和批量处理需求，不管是指定列、按规则选列还是全数值列转换都能搞定。

内容的提问来源于stack exchange，提问作者j3ypi