dplyr：将顺序函数应用于变量，而无需在单个 mutate(across(...)) 中创建新变量

Question

tl; dr - 是否可以使用 dplyr 语法在一次对mutate(across(...))调用中将多个函数应用于一组变量，而无需创建额外的变量？

举例来说，假设我们要将mean和factor应用于mpg和cyl 。 我们可以通过重复自己来做到这一点：

library(dplyr)

# desired output (but we repeat ourselves)
mtcars %>%
    mutate(
        across(c('mpg', 'cyl'),
            mean
        )
    ) %>%
    mutate(
        across(c('mpg', 'cyl'),
            factor
        )
    )

我想避免重复mutate(across(...))选择。

根据对 cross 的参考，我们可以在列表中提供多个函数或 purrr 风格的 lambdas。 但是，我无法弄清楚如何就地变异（覆盖变量），而不是创建新变量。

当然，一次应用一个函数不会创建带有默认参数的新变量：

# single mean function mutates in place
mtcars %>%
    mutate(
        across(c('mpg', 'cyl'),
            ~mean(.)    
        )
    )

# single factor function mutates in place
mtcars %>%
    mutate(
        across(c('mpg', 'cyl'),
            ~factor(.)    
        )
    ) %>%
    glimpse()

但是传入一个列表会创建新的变量：

# this creates new vars
mtcars %>%
    mutate(
        across(c('mpg', 'cyl'),
            .fns = list(
                mean, factor
            )    
        )
    )

# as does this
mtcars %>%
    mutate(
        across(c('mpg', 'cyl'),
            .fns = list(
                ~mean(.), ~factor(.)
            )    
        )
    )

我试图直接用.names指定变量名，但这不起作用：

# trying to specify that we want to preserve
# the original names with {col} leads to a
# duplicated names error
mtcars %>%
    mutate(
        across(c('mpg', 'cyl'),
            .fns = list(
                mean, factor
            ),
            .names = "{col}"
        )
    )

# the same occurs with purrr-style lambda syntax
mtcars %>%
    mutate(
        across(c('mpg', 'cyl'),
            .fns = list(
                ~mean(.), ~factor(.)
            ),
            .names = "{col}"
        )
    )

这在单个mutate(across(...))调用中是可能的吗？

Answer 1

所以你想先取这些变量的mean ，然后把它们变成factor ？

这可以通过以下方式实现：

library(dplyr)

mtcars %>% mutate(across(c('mpg', 'cyl'),~factor(mean(.))))