R语言中mutate_at结合lambda函数实现数据缩放报错问题

你遇到的Error in mutate_impl(.data, dots) : Column col1 is of unsupported type function错误，核心原因是**funs()里的语法用错了**——你在funs()里嵌套了一层function(x){...}，这会让dplyr把函数本身赋值给列，而不是执行函数后得到的数值结果。

正确的写法有这几种： #

1. 直接在funs()中使用表达式（用.指代当前列）

这是最简洁的写法，利用dplyr在funs()里的语法，.代表每一列的变量：

# 假设specific_columns是你要处理的列名向量，比如c("col1", "col3", "col5")
df <- df %>% mutate_at(vars(specific_columns), funs((. - min(.)) / (max(.) - min(.))))

2. 先定义缩放函数，再传入funs()

如果需要复用这个缩放逻辑，先单独定义函数会更清晰：

# 定义min-max缩放函数
min_max_scale <- function(x) {
  (x - min(x)) / (max(x) - min(x))
}

# 应用到指定列
df <- df %>% mutate_at(vars(specific_columns), funs(min_max_scale(.)))

3. 推荐：用新版本dplyr的across()替代mutate_at

从dplyr 1.0.0版本开始，mutate_at已经被软弃用，官方推荐使用mutate(across(...))，语法更直观：

df <- df %>% mutate(
  across(
    all_of(specific_columns),  # 指定要处理的列
    ~(.x - min(.x)) / (max(.x) - min(.x))  # 用~定义匿名函数，.x指代当前列
  )
)

额外提示：处理边界情况 #

如果某列的所有值都相同（即max(x) - min(x) = 0），上面的代码会出现除以0的错误。可以给缩放函数加个判断，避免报错：

min_max_scale_safe <- function(x) {
  x_range <- max(x) - min(x)
  if (x_range == 0) {
    # 如果列中所有值相同，返回全0
    return(rep(0, length(x)))
  } else {
    (x - min(x)) / x_range
  }
}

# 用安全版本的函数
df <- df %>% mutate(across(all_of(specific_columns), min_max_scale_safe))

验证你的示例数据 #

拿你提供的示例数据来说，假设处理col1到col3，缩放后：

• 第四行的0.028985507会变成1（因为是该列最大值）
• 第一、六、七行的0.014492754会变成0.5（(0.01449 - 0)/(0.02898 - 0) = 0.5）
• 第九行的0.010989011会变成0.3793左右
• 其他0值保持为0

内容的提问来源于stack exchange，提问作者SteveS