使用dplyr mutate自动生成新变量名

我想在使用dplyr时动态创建变量名；不过，我也可以使用非dplyr解决方案

例如：

data(iris)
library(dplyr) 

iris <- iris %>%
  group_by(Species) %>%
  mutate(
    lag_Sepal.Length = lag(Sepal.Length),
    lag_Sepal.Width  = lag(Sepal.Width),
    lag_Petal.Length = lag(Petal.Length)
  ) %>%
  ungroup

head(iris)

    Sepal.Length Sepal.Width Petal.Length Petal.Width Species lag_Sepal.Length lag_Sepal.Width
             (dbl)       (dbl)        (dbl)       (dbl)  (fctr)            (dbl)           (dbl)
    1          5.1         3.5          1.4         0.2  setosa               NA              NA
    2          4.9         3.0          1.4         0.2  setosa              5.1             3.5
    3          4.7         3.2          1.3         0.2  setosa              4.9             3.0
    4          4.6         3.1          1.5         0.2  setosa              4.7             3.2
    5          5.0         3.6          1.4         0.2  setosa              4.6             3.1
    6          5.4         3.9          1.7         0.4  setosa              5.0             3.6
    Variables not shown: lag_Petal.Length (dbl)

数据（iris）
图书馆（dplyr）
虹膜%
组别(种类)%>%
变异(
萼片长度=萼片长度，
萼片宽度=萼片宽度，
滞后花瓣长度=滞后（花瓣长度）
) %>%
解组
头部（虹膜）
萼片。长萼片。宽花瓣。长花瓣。宽种滞后萼片。长滞后萼片。宽
（dbl）（dbl）（dbl）（dbl）（fctr）（dbl）（dbl）（dbl）
1 5.1 3.5 1.4 0.2刚毛
2 4.9 3.0 1.4 0.2 setosa 5.1 3.5
3 4.7 3.2 1.3 0.2 setosa 4.9 3.0
4.6 3.1 1.5 0.2 setosa 4.7 3.2
5.0 3.6 1.4 0.2 setosa 4.6 3.1
6 5.4 3.9 1.7 0.4 setosa 5.0 3.6
未显示的变量：lag_Petal.Length（dbl）

但是，我不想这样做三次，而是想创建100个“lag”变量，它们的名称是：lag_原始变量名。我正试图弄清楚如何在不输入100次新变量名的情况下实现这一点，但我的答案很短

我已经研究了其他地方的例子。它们很相似，但我不太能够拼凑出我需要的具体解决方案。感谢您的帮助

编辑
感谢@BenFasoli的启发。我接受了他的答案，并对其进行了一些调整，以得到我需要的解决方案。 我还使用和。变量名中的“lag”是尾随而不是前导，但我可以接受

我的最终代码发布在这里，以防对其他人有所帮助：

lagged <- iris %>%
  group_by(Species) %>%
  mutate_at(
    vars(Sepal.Length:Petal.Length),
    funs("lag" = lag)) %>%
  ungroup

# A tibble: 6 x 8
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species Sepal.Length_lag Sepal.Width_lag
         <dbl>       <dbl>        <dbl>       <dbl>  <fctr>            <dbl>           <dbl>
1          5.1         3.5          1.4         0.2  setosa               NA              NA
2          4.9         3.0          1.4         0.2  setosa              5.1             3.5
3          4.7         3.2          1.3         0.2  setosa              4.9             3.0
4          4.6         3.1          1.5         0.2  setosa              4.7             3.2
5          5.0         3.6          1.4         0.2  setosa              4.6             3.1
6          5.4         3.9          1.7         0.4  setosa              5.0             3.6
# ... with 1 more variables: Petal.Length_lag <dbl>

滞后%
组别(种类)%>%
突变(
变异（萼片长度：花瓣长度），
funs（“滞后”=滞后））%>%
解组
#一个tibble:6x8
萼片。长萼片。宽花瓣。长花瓣。宽种萼片。长萼片。宽萼片
1 5.1 3.5 1.4 0.2刚毛
2 4.9 3.0 1.4 0.2 setosa 5.1 3.5
3 4.7 3.2 1.3 0.2 setosa 4.9 3.0
4.6 3.1 1.5 0.2 setosa 4.7 3.2
5.0 3.6 1.4 0.2 setosa 4.6 3.1
6 5.4 3.9 1.7 0.4 setosa 5.0 3.6
# ... 还有1个变量：Petal.Length\u lag

您可以使用

mutate\u all

（或

mutate\u at

针对特定列），然后在列名前添加

lag

data(iris)
library(dplyr) 

lag_iris <- iris %>%
  group_by(Species) %>%
  mutate_all(funs(lag(.))) %>%
  ungroup
colnames(lag_iris) <- paste0('lag_', colnames(lag_iris))

head(lag_iris)

  lag_Sepal.Length lag_Sepal.Width lag_Petal.Length lag_Petal.Width lag_Species
             <dbl>           <dbl>            <dbl>           <dbl>      <fctr>
1               NA              NA               NA              NA      setosa
2              5.1             3.5              1.4             0.2      setosa
3              4.9             3.0              1.4             0.2      setosa
4              4.7             3.2              1.3             0.2      setosa
5              4.6             3.1              1.5             0.2      setosa
6              5.0             3.6              1.4             0.2      setosa

数据（iris）
图书馆（dplyr）
滞后率%
组别(种类)%>%
突变所有（funs（滞后（%））%%>%
解组
colnames（lag_iris）这里是一个data.table方法。在本例中，我选择了带有数字的列。您要做的是选择列名并提前创建新列名。然后，将
shift（）
应用于所选的每一列，其工作原理类似于dplyr包中的
lag（）
和
lead（）

library(data.table)

# Crate a df for this demo.
mydf <- iris

# Choose columns that you want to apply lag() and create new colnames.
cols = names(iris)[sapply(iris, is.numeric)]
anscols = paste("lag_", cols, sep = "")

# Apply shift() to each of the chosen columns.
setDT(mydf)[, (anscols) := shift(.SD, 1, type = "lag"),
            .SDcols = cols]

     Sepal.Length Sepal.Width Petal.Length Petal.Width   Species lag_Sepal.Length lag_Sepal.Width
 1:          5.1         3.5          1.4         0.2    setosa               NA              NA
 2:          4.9         3.0          1.4         0.2    setosa              5.1             3.5
 3:          4.7         3.2          1.3         0.2    setosa              4.9             3.0
 4:          4.6         3.1          1.5         0.2    setosa              4.7             3.2
 5:          5.0         3.6          1.4         0.2    setosa              4.6             3.1
 ---                                                                                             
146:          6.7         3.0          5.2         2.3 virginica              6.7             3.3
147:          6.3         2.5          5.0         1.9 virginica              6.7             3.0
148:          6.5         3.0          5.2         2.0 virginica              6.3             2.5
149:          6.2         3.4          5.4         2.3 virginica              6.5             3.0
150:          5.9         3.0          5.1         1.8 virginica              6.2             3.4
     lag_Petal.Length lag_Petal.Width
  1:               NA              NA
  2:              1.4             0.2
  3:              1.4             0.2
  4:              1.3             0.2
  5:              1.5             0.2
 ---                                 
146:              5.7             2.5
147:              5.2             2.3
148:              5.0             1.9
149:              5.2             2.0
150:              5.4             2.3

库（data.table）
#为这个演示用板条箱装一个df。
mydf既然您对非dplyr也很满意，请尝试以下方法：

lagger <- function(x, n) c(rep(NA,n), head(x,-n) )
iris[paste0("lag_", names(iris) )] <- lapply(iris, lagger, n=1)

head(iris,2)[-(1:5)]
#  lag_Sepal.Length lag_Sepal.Width lag_Petal.Length lag_Petal.Width lag_Species
#1               NA              NA               NA              NA          NA
#2              5.1             3.5              1.4             0.2           1

lagger谢谢你的灵感。我接受了你的答案，并对它进行了一些调整，以得到我需要的解决方案。我还使用了[这篇RStudio博客]（）和[这篇SO帖子]（）。我最后的代码发布在这里，以防对其他人有所帮助：
lagged%groupby（Species）%%>%mutate_at（vars（萼片长度：花瓣长度），funs（“lag”=lag））%%>%ungroup
再次感谢！