向mutate_at传入单个变量时表现同mutate，是Bug还是使用错误？

这完全是预期之内的设计，不是Bug哦！mutate_at作为dplyr里的批量变量处理工具，核心逻辑就是对你指定的一组变量逐一应用函数操作——当你给它多个变量时，它就批量生成对应新列；当你只给它一个变量时，自然就只处理这一个变量，结果看起来和直接用mutate单独操作该变量一致，但这可不是“退化”，只是它在单变量场景下的正常工作模式而已。

咱们用你的代码实际跑一遍，就能看清楚规律：

library("tidyverse")
x <- data_frame("a" = 1:3, "b" = 4:6)
f <- function(y){2L * y}

# 多变量场景：为每个变量生成带后缀的新列
x %>% mutate_at(vars(c("a", "b")), funs(x = f))
#> # A tibble: 3 × 4
#>       a     b   a_x   b_x
#>   <int> <int> <int> <int>
#> 1     1     4     2     8
#> 2     2     5     4    10
#> 3     3     6     6    12

# 单变量场景（直接传字符向量）：只生成对应变量的新列
x %>% mutate_at(c("a"), funs(x = f))
#> # A tibble: 3 × 3
#>       a     b   a_x
#>   <int> <int> <int>
#> 1     1     4     2
#> 2     2     5     4
#> 3     3     6     6

# 单变量场景（用vars包裹）：效果和上面完全一致
x %>% mutate_at(vars(c("a")), funs(x = f))
#> # A tibble: 3 × 3
#>       a     b   a_x
#>   <int> <int> <int>
#> 1     1     4     2
#> 2     2     5     4
#> 3     3     6     6

# 重复传入同一变量两次：会生成带序号后缀的多个新列
x %>% mutate_at(vars(c("a", "a")), funs(x = f))
#> # A tibble: 3 × 4
#>       a     b   a_x a_x1
#>   <int> <int> <int> <int>
#> 1     1     4     2     2
#> 2     2     5     4     4
#> 3     3     6     6     6

x %>% mutate_at(c("a", "a"), funs(x = f))
#> # A tibble: 3 × 4
#>       a     b   a_x a_x1
#>   <int> <int> <int> <int>
#> 1     1     4     2     2
#> 2     2     5     4     4
#> 3     3     6     6     6

关键结论： #

• 多变量输入时：mutate_at会遍历每个变量生成对应新列，这是它的核心批量处理能力；
• 单变量输入时：它只处理这一个变量，结果和mutate(a_x = f(a))一致，但这是正常的单变量批量处理（虽然“批量”变成了“单个”）；
• 重复变量输入时：它会为每次应用生成带序号的新列，这也能看出它本质还是在做批量遍历的逻辑。

另外提一句：在新版dplyr里，funs()已经被推荐用list()替代啦，比如上面的funs(x = f)可以写成list(x = f)，功能完全一样，语法更清晰。

内容的提问来源于stack exchange，提问作者David de Wit