如何使用dplyr实现多列间的逐元素差分操作？

当然可以用dplyr轻松实现这种对应列批量差分的需求，而且完全适配大数据场景（比如上千列的情况），不用手动逐个处理列！

先回顾你的Base R操作逻辑：iris[, 6:7] <- iris[, 1:2] - iris[, 3:4]，本质是将第1列减第3列、第2列减第4列，生成新列。下面提供两种高效的dplyr实现方案：

方案1：用purrr::map2_dfc配对列组 #

这种方法适合明确知道被减数列和减数列的索引/名称的场景，代码直观且扩展性强：

library(dplyr)
library(purrr)

# 定义列对：被减数列的索引（或名称）、减数列的索引（或名称）
from_cols <- 1:2  # 对应Sepal.Length、Sepal.Width
to_cols <- 3:4    # 对应Petal.Length、Petal.Width

iris_diff <- iris %>%
  mutate(
    map2_dfc(
      from_cols, to_cols,
      # 对每一对列做差，并给新列命名（比如Sepal.Length_minus_Petal.Length）
      ~ set_names(list(!!sym(names(.)[.x]) - !!sym(names(.)[.y])),
                  paste0(names(.)[.x], "_minus_", names(.)[.y]))
    )
  )

如果是1000列的场景，只需要把from_cols设为1:500，to_cols设为501:1000即可，完全不用手动修改其他部分。

方案2：用across结合列位置自动配对 #

如果你的列是前n列和后n列严格对应的（比如前500列是A组，后500列是B组，A1-B1、A2-B2...），可以用across结合列位置实现更简洁的代码：

library(dplyr)

n <- 2  # 每一组的列数，对应你的例子是2；如果是1000列，这里设为500

iris_diff <- iris %>%
  mutate(
    across(1:n,
           # 当前列 减去 对应位置的减数列（当前列索引 + n）
           ~ . - .[[match(cur_column(), names(.)) + n]],
           # 自动生成新列名
           .names = "{.col}_minus_{names(.)[match(.col, names(.)) + n]}"
    )
  )

为什么这两种方法适合大数据？ #

• 都是向量化操作，和Base R的效率接近，不会因为列数多而变慢；
• 完全不需要手动写列名或逐个处理，只需定义列的范围即可；
• 生成的新列名清晰，便于后续分析。

对比你之前的mutate_at(1:2, funs(diffs = . - Petal.Length))，这两种方法解决了“对应列差分”的核心需求，而不是让多列减同一列。

内容的提问来源于stack exchange，提问作者tef2128