在dplyrcross()中引用列名

Question

是否可以在across()内的lambda函数中引用列名？

df <- tibble(age = c(12, 45), sex = c('f', 'f'))
allowed_values <- list(age = 18:100, sex = c("f", "m"))

df %>%
  mutate(across(c(age, sex),
                c(valid = ~ .x %in% allowed_values[[COLNAME]])))

我刚遇到this question，其中OP询问有关基于允许值列表验证数据框中的列的信息。
dplyr刚刚获得了across()，这似乎是很自然的选择，但是我们需要列名称来查找允许的值。

The best I could come up with是对imap_dfr的调用，但是将其集成到分析管道中比较麻烦，因为需要将结果与原始数据帧重新组合。

Answer 1

我认为您此时可能对across的要求过多(但这可能会刺激额外的开发，因此也许有一天它会按照您的建议进行工作)。

我认为purrr包中的imap函数可能会为您提供所需的信息:

> df <- tibble(age = c(12, 45), sex = c('f', 'f'))
> allowed_values <- list(age = 18:100, sex = c("f", "m"))
> 
> df %>% imap( ~ .x %in% allowed_values[[.y]])
$age
[1] FALSE  TRUE

$sex
[1] TRUE TRUE

> df %>% imap_dfc( ~ .x %in% allowed_values[[.y]])
# A tibble: 2 x 2
  age   sex  
  <lgl> <lgl>
1 FALSE TRUE 
2 TRUE  TRUE 

如果您想要具有合并有效性的单列，则可以通过reduce传递结果:

> df %>% imap( ~ .x %in% allowed_values[[.y]]) %>%
+   reduce(`&`)
[1] FALSE  TRUE

然后可以将其作为新列添加到原始数据，或仅用于子集数据。我对tidyverse不够专业，但还不知道是否可以将其与mutate组合以直接添加列。