dplyr批量处理带前缀后缀的列：基于iris数据集的比例计算问题

嘿，我完全懂你的痛点——手动写一堆mutate太麻烦，尤其是列组多的时候！其实用tidyverse里的长格式转换+分组计算就能完美解决这个问题，比纠结mutate_at（现在已经被across替代啦）要灵活得多，而且不管以后新增多少同前缀的列组，代码都不用改。

就拿iris数据集举例，我们要自动生成Sepal.Length/Sepal.Width和Petal.Length/Petal.Width的比例列，步骤如下：

方法一：长格式转换法（最通用） #

这个方法的核心是把宽格式数据转成长格式，让同前缀的列聚在一起计算，最后再转回宽格式，完全自动化：

library(tidyverse)

iris_with_ratios <- iris %>%
  # 1. 转成长格式：拆分列名为「部位（part）」和「测量值（measure）」
  pivot_longer(
    cols = -Species,  # 保留Species作为分组标识
    names_to = c("part", "measure"),
    names_sep = "\\."  # 按点号拆分列名，比如"Sepal.Length"拆成part=Sepal，measure=Length
  ) %>%
  # 2. 转回宽格式：让同一部位的Length和Width在同一行
  pivot_wider(
    names_from = measure,
    values_from = value
  ) %>%
  # 3. 统一计算比例：不管是Sepal还是Petal，都用Length/Width
  mutate(ratio = Length / Width) %>%
  # 4. 转回原宽格式结构，新增比例列
  pivot_wider(
    names_from = part,
    values_from = c(Length, Width, ratio),
    names_sep = "."  # 列名变回原格式，比如ratio列会变成Sepal.ratio、Petal.ratio
  )

运行完你就能看到结果里多了Sepal.ratio和Petal.ratio两列，完全不用手动指定每一组列！

方法二：用across直接在宽格式处理（适合列组少的情况） #

如果不想转格式，也可以用across结合正则匹配来批量计算，虽然通用性不如第一种，但更贴近你原本想的mutate_at的思路：

iris_with_ratios <- iris %>%
  mutate(
    # 处理Sepal组：匹配所有Sepal.Length列，除以对应的Sepal.Width
    across(
      .cols = ends_with(".Length") & starts_with("Sepal"),
      .fns = ~ . / get(str_replace(cur_column(), "Length", "Width")),
      .names = "{str_remove(.col, '.Length')}_ratio"
    ),
    # 处理Petal组：同理
    across(
      .cols = ends_with(".Length") & starts_with("Petal"),
      .fns = ~ . / get(str_replace(cur_column(), "Length", "Width")),
      .names = "{str_remove(.col, '.Length')}_ratio"
    )
  )

这个方法直接在原数据上新增比例列，适合你确定只有Sepal和Petal两组的情况，但如果以后加了其他部位的列，就得再写一段across。

为什么不推荐mutate_at？ #

因为tidyverse已经把mutate_at、mutate_all这类函数统一替换成更灵活的across了，across能更好地处理列选择和命名规则，搭配正则或者列选择器（比如starts_with、ends_with）使用更顺手。

内容的提问来源于stack exchange，提问作者Gareth Netto