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)
