dplyr-mutate-across 选择多列应用函数示例

mutate和across()配合可用于在dplyr数据处理管道(%>%)中方便地选择多列进行相应的函数处理，从而避免了数据处理过程中管道外使用lapply或循环结构，有效保证代码的整洁统一。

mutate() 的主要功能是创建新列，而且一旦创建就可以立即在管道符使用。
across(.cols = , .fns = )函数常用的只有两个参数，.cols = 和 .fns = 分别指定选取用于遍历的列变量 和 处理函数。

指定列向量转换 向量类型

df %>% mutate(across(.cols = c(x, y, z), .fns = as.character)) #将x, y, z三列转换为字符型向量
df %>% mutate(across(.cols = 1:3, .fns = as.character) )  #改变1：3列的向量元素类型为字符型
df %>% mutate(across(.cols = everything(), .fns = as.character))   #将所有列转换为字符型向量
str(df) #查看数据框列向量类型

将所有字符型的列向量转换为数值型

df %>% mutate(across(where(is.character), as.numeric, .names = '{.col}.2')) ## .names 参数指定新新列名，{.col}代表旧列的列名

数据表中单元值的替换

df %>% mutate(across(across(everything(), ~replace(.x, .x ==  "replacement" , "parttern")))

使用across()隐函数处理列向量

注： ~是R语言隐函数[lambda]的写法,翻译为代表function(x){...}; 而 .x 或 .则是指向当前被遍历的列向量。

df %>% mutate(across(everything(),~ scale(.),.names = '{.col}.scale')) #对列向量进行中心化

df %>%  drop_na() %>%  mutate( across(where(is.numeric), log) ) #对数化

df %>% mutate(across(c(x,y), ~quantile(.,0.95,na.rm = TRUE), .names = '{.col}_quantitle') )  #计算列向量0.95分位数

df %>% mutate(across(everything(),~ .x / sum(.x, na.rm = TRUE)))  #计算列向量值百分比

替换y列小于0的值为NA

df %>%  mutate( across(contains("y"), ~ if_else(.x < 0, NA_real_, .x)) )

参考材料：
Why I love dplyr's across - Will Hipson
第 40 章 tidyverse中的across()之美1 | 数据科学中的 R 语言 (bookdown.org)