我正在尝试编写一个函数，在其体内多次调用另一个函数。我希望通过使用参数来控制这样的函数调用的数量和它们各自的目标，但是由于管道的结构，这变得很棘手。想象一下这个简单的列突变示例。我完全知道这不是最好的例子，因为您不会针对不同的目标多次调用mutate，但是请耐心听我说。这只是一个典型的例子，所以重要的是，每个突变调用对应于通过cols参数提供的字符串。
library(dplyr)
scale_cols <- function(data, cols = c("mpg", "cyl")) {
processed_data <- data |>
mutate("mpg" = scale(mpg)) |>
mutate("cyl" = scale(cyl))
return(processed_data)
}
scale_cols(mtcars)
#> mpg cyl disp hp drat wt qsec vs am
#> Mazda RX4 0.15088482 -0.1049878 160.0 110 3.90 2.620 16.46 0 1
#> Mazda RX4 Wag 0.15088482 -0.1049878 160.0 110 3.90 2.875 17.02 0 1
#> Datsun 710 0.44954345 -1.2248578 108.0 93 3.85 2.320 18.61 1 1
#> Hornet 4 Drive 0.21725341 -0.1049878 258.0 110 3.08 3.215 19.44 1 0
#> Hornet Sportabout -0.23073453 1.0148821 360.0 175 3.15 3.440 17.02 0 0
#> Valiant -0.33028740 -0.1049878 225.0 105 2.76 3.460 20.22 1 0
#> Duster 360 -0.96078893 1.0148821 360.0 245 3.21 3.570 15.84 0 0
#> Merc 240D 0.71501778 -1.2248578 146.7 62 3.69 3.190 20.00 1 0
#> Merc 230 0.44954345 -1.2248578 140.8 95 3.92 3.150 22.90 1 0
创建于2022-11-28与reprex v2.0.2
目前要转换的列是硬编码的，但我希望能够通过使用cols参数来选择要转换的列。是否有可能在cols元素上映射或应用突变函数，以便最终创建一个功能齐全的管道?谢谢你的宝贵时间。
在我看来，似乎您希望对传递的向量的每个元素迭代地应用一个函数一次，并使结果包含累积的更改。mutate中涉及的非标准评估，以及有更好的方法来执行这个特定的操作，可能使它成为一个次优示例。
然而，你想要做的基本概念是由基本R函数Reduce执行的，它将接受一个起始参数(例如输入数据帧)，并迭代地应用两个变量的函数(最后一次迭代的输出和cols向量的下一个成员)
scale_cols <- function(data, cols = c("mpg", "cyl")) {
Reduce(function(x, y) {
x[[y]] <- scale(x[[y]])
return(x)
}, x = cols, init = data)
}
导致:
scale_cols(mtcars)
#> mpg cyl disp hp drat wt qsec vs am
#> Mazda RX4 0.15088482 -0.1049878 160.0 110 3.90 2.620 16.46 0 1
#> Mazda RX4 Wag 0.15088482 -0.1049878 160.0 110 3.90 2.875 17.02 0 1
#> Datsun 710 0.44954345 -1.2248578 108.0 93 3.85 2.320 18.61 1 1
#> Hornet 4 Drive 0.21725341 -0.1049878 258.0 110 3.08 3.215 19.44 1 0
#> Hornet Sportabout -0.23073453 1.0148821 360.0 175 3.15 3.440 17.02 0 0
#> Valiant -0.33028740 -0.1049878 225.0 105 2.76 3.460 20.22 1 0
#> Duster 360 -0.96078893 1.0148821 360.0 245 3.21 3.570 15.84 0 0
#> Merc 240D 0.71501778 -1.2248578 146.7 62 3.69 3.190 20.00 1 0
#> Merc 230 0.44954345 -1.2248578 140.8 95 3.92 3.150 22.90 1 0
#> Merc 280 -0.14777380 -0.1049878 167.6 123 3.92 3.440 18.30 1 0
#> Merc 280C -0.38006384 -0.1049878 167.6 123 3.92 3.440 18.90 1 0
#> Merc 450SE -0.61235388 1.0148821 275.8 180 3.07 4.070 17.40 0 0
#> Merc 450SL -0.46302456 1.0148821 275.8 180 3.07 3.730 17.60 0 0
#> Merc 450SLC -0.81145962 1.0148821 275.8 180 3.07 3.780 18.00 0 0
#> Cadillac Fleetwood -1.60788262 1.0148821 472.0 205 2.93 5.250 17.98 0 0
#> Lincoln Continental -1.60788262 1.0148821 460.0 215 3.00 5.424 17.82 0 0
#> Chrysler Imperial -0.89442035 1.0148821 440.0 230 3.23 5.345 17.42 0 0
#> Fiat 128 2.04238943 -1.2248578 78.7 66 4.08 2.200 19.47 1 1
#> Honda Civic 1.71054652 -1.2248578 75.7 52 4.93 1.615 18.52 1 1
#> Toyota Corolla 2.29127162 -1.2248578 71.1 65 4.22 1.835 19.90 1 1
#> Toyota Corona 0.23384555 -1.2248578 120.1 97 3.70 2.465 20.01 1 0
#> Dodge Challenger -0.76168319 1.0148821 318.0 150 2.76 3.520 16.87 0 0
#> AMC Javelin -0.81145962 1.0148821 304.0 150 3.15 3.435 17.30 0 0
#> Camaro Z28 -1.12671039 1.0148821 350.0 245 3.73 3.840 15.41 0 0
#> Pontiac Firebird -0.14777380 1.0148821 400.0 175 3.08 3.845 17.05 0 0
#> Fiat X1-9 1.19619000 -1.2248578 79.0 66 4.08 1.935 18.90 1 1
#> Porsche 914-2 0.98049211 -1.2248578 120.3 91 4.43 2.140 16.70 0 1
#> Lotus Europa 1.71054652 -1.2248578 95.1 113 3.77 1.513 16.90 1 1
#> Ford Pantera L -0.71190675 1.0148821 351.0 264 4.22 3.170 14.50 0 1
#> Ferrari Dino -0.06481307 -0.1049878 145.0 175 3.62 2.770 15.50 0 1
#> Maserati Bora -0.84464392 1.0148821 301.0 335 3.54 3.570 14.60 0 1
#> Volvo 142E 0.21725341 -1.2248578 121.0 109 4.11 2.780 18.60 1 1
#> gear carb
#> Mazda RX4 4 4
#> Mazda RX4 Wag 4 4
#> Datsun 710 4 1
#> Hornet 4 Drive 3 1
#> Hornet Sportabout 3 2
#> Valiant 3 1
#> Duster 360 3 4
#> Merc 240D 4 2
#> Merc 230 4 2
#> Merc 280 4 4
#> Merc 280C 4 4
#> Merc 450SE 3 3
#> Merc 450SL 3 3
#> Merc 450SLC 3 3
#> Cadillac Fleetwood 3 4
#> Lincoln Continental 3 4
#> Chrysler Imperial 3 4
#> Fiat 128 4 1
#> Honda Civic 4 2
#> Toyota Corolla 4 1
#> Toyota Corona 3 1
#> Dodge Challenger 3 2
#> AMC Javelin 3 2
#> Camaro Z28 3 4
#> Pontiac Firebird 3 2
#> Fiat X1-9 4 1
#> Porsche 914-2 5 2
#> Lotus Europa 5 2
#> Ford Pantera L 5 4
#> Ferrari Dino 5 6
#> Maserati Bora 5 8
#> Volvo 142E 4 2
创建于2022-11-28与reprex v2.0.2
我同意@GregorThomas的观点，across是你问题的明显解决方案，@MrFlick认为你应该修改你的帖子，使你的意图清晰。也就是说，根据你的评论，我相信这给了你你想要的(并且比你的例子更符合tidyverse的风格)。
scale_cols <- function(data, cols) {
for (c in cols) {
data <- data %>% mutate({{c}} := scale({{c}}))
}
data
}
mtcars %>% scale_cols(vars(mpg, cyl))
mpg cyl disp hp drat wt qsec vs am gear carb
Mazda RX4 0.15088482 -0.1049878 160.0 110 3.90 2.620 16.46 0 1 4 4
Mazda RX4 Wag 0.15088482 -0.1049878 160.0 110 3.90 2.875 17.02 0 1 4 4
Datsun 710 0.44954345 -1.2248578 108.0 93 3.85 2.320 18.61 1 1 4 1
Hornet 4 Drive 0.21725341 -0.1049878 258.0 110 3.08 3.215 19.44 1 0 3 1
Hornet Sportabout -0.23073453 1.0148821 360.0 175 3.15 3.440 17.02 0 0 3 2
Valiant -0.33028740 -0.1049878 225.0 105 2.76 3.460 20.22 1 0 3 1
<output truncated for brevity>