如何在dplyr::mutate_at单步中对同一列连续使用多个函数？

嘿，我完全懂你的痛点——你想在一次mutate_at操作里对同一列连续执行多个函数（比如先算log再算sqrt，得到sqrt(log(x))），但直接把sqrt和log传给mutate_at时，它会生成两个独立的衍生列（比如x_sqrt和x_log），而不是你要的连续计算结果。之前你用两次mutate_at分步实现了，但想找更简洁的单步方法对吧？

下面给你两种实用的解决方案：

方法1：用匿名函数直接嵌套调用 #

这是最直观的方式，直接在mutate_at的函数参数里写匿名函数，把需要连续执行的函数嵌套起来：

library(dplyr)

# 示例数据
df <- tibble(x = c(10, 100, 1000))

# 单步完成sqrt(log(x))计算
df %>%
  mutate_at(vars(x), ~sqrt(log(.)))

这里的~sqrt(log(.))里，.代表当前处理的列（也就是x），先执行log(.)，再把结果传给sqrt()，完美实现连续计算，而且只会生成一列结果。

方法2：用函数复合工具（purrr::compose） #

如果你喜欢更“函数式”的写法，可以用purrr包的compose()函数把多个函数组合成一个复合函数。注意compose()是从右到左执行的，所以compose(sqrt, log)等价于先执行log，再执行sqrt：

library(dplyr)
library(purrr)

df %>%
  mutate_at(vars(x), compose(sqrt, log))

这个方法的好处是如果需要组合更多函数，写法会更清晰，比如compose(sqrt, log, exp)就会先执行exp，再log，再sqrt。

额外提示：新版dplyr的推荐写法 #

如果你用的是dplyr 1.0.0及以上版本，官方已经推荐用mutate(across(...))替代mutate_at了，写法类似：

# 匿名函数写法
df %>%
  mutate(across(x, ~sqrt(log(.))))

# compose写法
df %>%
  mutate(across(x, compose(sqrt, log)))

这样的代码更符合dplyr的最新语法规范，可读性也更强。

为什么直接传c(sqrt, log)不行？因为mutate_at的设计逻辑是对每个传入的函数单独处理目标列，所以每个函数都会生成一个新列，而不是连续应用在同一列上。我们上面的方法本质是把多个函数打包成一个“复合函数”，让mutate_at只执行这一个函数，自然就能得到连续计算的结果啦。

内容的提问来源于stack exchange，提问作者Grizzly2501