如何通过单个conditional mutate为多个变量条件赋值？

当然可以！你遇到的重复写case_when的问题确实挺烦的，而且left_join对非分类条件（比如数值范围判断）确实不太适用。下面给你几个优雅的解决方案，都能在单次mutate调用里搞定多变量的条件赋值：

方法1：case_when + 迷你tibble + unnest_wider #

这是最灵活的方案，不管是分类变量匹配还是连续条件判断都能用。核心思路是让case_when的每个分支返回一个包含目标变量的迷你tibble，再用unnest_wider把这个列表列拆成独立的列：

library(tidyverse)

df <- tibble(cat = c("a", "b", "a", "a", "c"))

df %>%
  mutate(
    # 用case_when返回包含多个变量的tibble
    temp = case_when(
      cat == "a" ~ tibble(foo = 1, bar = "three"),
      cat == "b" ~ tibble(foo = 2, bar = "four"),
      # 其他情况返回带NA的tibble，注意类型要匹配
      TRUE ~ tibble(foo = NA_real_, bar = NA_character_)
    )
  ) %>%
  # 把列表列拆成独立的foo和bar列
  unnest_wider(temp)

如果是连续条件（比如x > 2），直接把cat == "a"换成对应的条件就行，比如：

df %>%
  mutate(x = c(1, 3, 2, 4, 0)) %>%
  mutate(
    temp = case_when(
      x > 2 ~ tibble(foo = 10, bar = "high"),
      x <= 2 ~ tibble(foo = 5, bar = "low"),
      TRUE ~ tibble(foo = NA_real_, bar = NA_character_)
    )
  ) %>%
  unnest_wider(temp)

方法2：case_match + 列表 + unnest_wider #

如果你的条件是精确匹配分类变量，用dplyr::case_match会比case_when语法更简洁：

df %>%
  mutate(
    temp = case_match(
      cat,
      "a" ~ list(foo = 1, bar = "three"),
      "b" ~ list(foo = 2, bar = "four"),
      .default = list(foo = NA_real_, bar = NA_character_)
    )
  ) %>%
  unnest_wider(temp)

这里用list代替tibble也可以，因为unnest_wider能处理列表类型的列。

方法3：purrr::map + 自定义逻辑 #

如果你的条件逻辑比较复杂（比如多层嵌套的判断），可以用purrr::map来逐行处理：

df %>%
  mutate(
    temp = map(cat, ~{
      if (.x == "a") {
        list(foo = 1, bar = "three")
      } else if (.x == "b") {
        list(foo = 2, bar = "four")
      } else {
        list(foo = NA_real_, bar = NA_character_)
      }
    })
  ) %>%
  unnest_wider(temp)

这种写法自由度很高，适合处理非标准化的条件逻辑。

为什么你之前的尝试没成功？ #

你之前直接在case_when里返回list("foo" = 1, ...)的思路是对的，但缺少了最后一步展开列表列的操作——case_when会把这个列表当成单个元素的列，必须用unnest_wider把它拆成独立的变量列才行。

内容的提问来源于stack exchange，提问作者pyg