我们可以在base中用mapply来实现这一点：

mapply(`+`, df[,parameters$column_names], parameters$parameters)

##>      column1 column2
##> [1,]      11     101
##> [2,]      12     102
##> [3,]      13     103
##> [4,]      14     104
##> [5,]      15     105
##> ...

我认为对参数操作的Map函数比对数据操作的across更容易：

library(tidyverse)

with(parameters, as_tibble(map2(df[column_names], parameters, custom_function)))
#> # A tibble: 100 x 2
#>    column1 column2
#>      <dbl>   <dbl>
#>  1      11     101
#>  2      12     102
#>  3      13     103
#>  4      14     104
#>  5      15     105
#>  6      16     106
#>  7      17     107
#>  8      18     108
#>  9      19     109
#> 10      20     110
#> # ... with 90 more rows

创建于2022年12月15日，使用reprex v2.0.2

编辑（第二列不起作用）。我不认为across是你想要的。另一个答案更好。你也可以像这样把列添加到你的函数中：

library(dplyr)

df = data.frame(column1 = 1:100, column2 = 1:100)

parameters = data.frame(
  column_names = c('column1','column2'),
  parameters = c(10,100))

custom_function = function(x,column, parameters){
  addend = parameters %>%
    filter(column_names == column) %>% 
    pull(parameters)
  x + addend
}

df2 = df %>% mutate(
  across(parameters$column_names,custom_function,cur_column(),parameters))

我们可以在column_names列为"parameters"的列名（cur_column()）上使用match，并提取"parameters"列值以用作custom_function中的输入

library(dplyr)
df %>%
   mutate(across(all_of(parameters$column_names), 
     ~ custom_function(.x, parameters$parameters[match(cur_column(), 
      parameters$column_names)])))

• 输出

column1 column2
1        11     101
2        12     102
3        13     103
4        14     104
5        15     105
6        16     106
7        17     107
8        18     108
...

或者将两列 Dataframe 转换为命名向量（deframe），并直接从name中提取值

library(tibble)
params <- deframe(parameters)
df %>%
  mutate(across(all_of(names(params)),
   ~ custom_function(.x, params[cur_column()])))

• 输出

column1 column2
1      11     101
2      12     102
3      13     103
4      14     104
5      15     105
6      16     106
...