dplyr中across()函数的使用注意事项

背景介绍

dplyr是R语言中最流行的数据处理包之一，随着版本的更新，许多旧函数被更现代的函数所取代。其中，mutate_each()函数已被弃用，取而代之的是更灵活的across()函数组合。

常见错误分析

在迁移旧代码时，用户常会遇到以下错误信息：

Error in `across()`: 
! Must only be used inside data-masking verbs like `mutate()`, `filter()`, and `group_by()`

这个错误的核心原因是across()必须作为数据操作动词(如mutate())的参数使用，而不能单独调用。正确的使用方式需要将数据框作为第一个参数传递给mutate()。

正确使用方法

基础语法

正确的across()使用需要遵循以下结构：

mutate(数据框, across(列选择, 转换函数))

实际示例

假设我们有一个名为h的数据框，包含多个需要标准化的列：

# 正确写法1：直接调用
h_st <- mutate(h, across(c("Fertility","Agriculture","Examination","Education","Catholic","Infant.Mortality"), scale))

# 正确写法2：使用管道操作符
h_st <- h %>% 
  mutate(across(c("Fertility","Agriculture","Examination","Education","Catholic","Infant.Mortality"), scale))

技术细节

1. across()函数需要两个主要参数：

   • 列选择：可以是列名向量、列位置或选择辅助函数
   • 转换函数：应用于选定列的函数，如scale

2. mutate()会返回一个新的数据框，原始数据不会被修改

3. 使用管道操作符(%>%)可以使代码更具可读性

扩展应用

across()不仅可用于标准化，还可用于多种列操作：

# 同时对多列取对数
h %>% mutate(across(c("col1", "col2"), log))

# 对数值列进行四舍五入
h %>% mutate(across(where(is.numeric), round, digits=2))

总结

从mutate_each()迁移到across()时，关键是要记住：

• across()必须嵌套在数据操作动词内
• 明确指定数据框来源
• 管道操作可以简化代码结构
• 新语法提供了更强大的列选择能力

掌握这些要点后，用户可以充分利用dplyr现代化语法带来的便利性和灵活性。