如何在dplyr的mutate(across)中用字符向量指定列名

核心问题解决 #

要让字符向量ok.netroles实现和直接写列名（netrole1, netrole2）一样的效果，只需在across()中用all_of()包裹字符向量即可，语法为：

mutate(across(all_of(ok.netroles), ~你的处理逻辑))

修正你的代码错误 #

你的代码存在两个关键问题：

1. across()必须在mutate()、summarize()等数据掩码动词内部使用，不能直接放在管道流中；
2. 计算nr.sum时逻辑错误：across()返回多列结果，不能赋值给单个标量变量，且不能用未定义的nr.sum作为分母。

修正后的完整代码 #

# 定义列名向量
fes <- c("black", "latinx", "asian", "othermx", "noeths", "prefno")
ok.netroles <- c("netrole1", "netrole3", "netrole4")

# 数据处理流程
fes.sums <- unidata %>%
  # 同时汇总种族列和netrole列的计数
  summarize(
    across(all_of(fes), ~sum(.x, na.rm = TRUE)),
    across(all_of(ok.netroles), ~sum(.x, na.rm = TRUE))
  ) %>%
  # 计算总人数（种族列的总和，每个受访者对应一个种族）
  mutate(eth.sum = rowSums(pick(all_of(fes)), na.rm = TRUE)) %>%
  # 计算种族分类的占比（百分比）
  mutate(across(all_of(fes), ~100 * .x / eth.sum)) %>%
  # 计算netrole分类的占比（百分比）
  mutate(across(all_of(ok.netroles), ~100 * .x / eth.sum))

代码解释 #

• all_of(ok.netroles)：将字符向量转换为across()可识别的列选择器，完全等价于直接写列名；
• pick(all_of(fes))：批量选择种族列，再用rowSums()计算总人数，避免手动罗列所有种族列名，更灵活；
• 分两次mutate处理种族和netrole列，逻辑更清晰，也可合并为一个mutate。

错误原因说明 #

1. across()使用位置错误：报错Must only be used inside data-masking verbs是因为你把across()直接放在管道中，没有包裹在mutate()/summarize()内部；
2. 字符向量求和错误：报错invalid 'type' (character) of argument是因为直接对字符向量ok.netroles求和，应该用pick(all_of(ok.netroles))选择对应列后再计算。

测试样本数据运行结果 #

用你提供的样本数据测试，运行上述代码后会得到各分类的占比结果，例如：

# A tibble: 1 × 9
  black latinx asian othermx noeths prefno netrole1 netrole3 eth.sum
  <dbl>  <dbl> <dbl>   <dbl>  <dbl>  <dbl>    <dbl>    <dbl>   <dbl>
1  12.9      0  60.4       0      0      0        0     60.4     101

内容的提问来源于stack exchange，提问作者Stuart