如果我理解正确的话，使用现有的代码，您可以使用dplyr的mutate、across和starts_with，然后将函数放在命名列表中以创建新的变量。
为了减少多年来创建单个case_when逻辑的工作量，您可以首先将rlang::parse_exprs()与paste0一起使用：

yrs <- 2005:2007
years_exprs <- rlang::parse_exprs(paste0(".x == sales_", yrs, " ~ ", yrs))

字符串
然后使用!!!进行计算：

library(dplyr)

df %>% mutate(across(starts_with("revenues_"), 
                     list(year = ~case_when(!!!years_exprs))))

型
输出：

revenues_1 revenues_2 sales_2005 sales_2006 sales_2007 revenues_1_year revenues_2_year
       <dbl>      <dbl>      <dbl>      <dbl>      <dbl>           <dbl>           <dbl>
1          1          2          1          2          3            2005            2006
2          3          4          2          3          4            2006            2007
3          4          5          3          4          5            2006            2007

型
注意：如果你的变量不一定都以“revenue”开头，你可以创建一个包含所需列的向量，不管它们是否共享相同的模式（这里是mut_vars），然后使用all_of()：

mut_vars <- c("revenues_1", "revenues_2")
df %>% mutate(across(all_of(mut_vars), 
                     list(year = ~case_when(!!!years_exprs))))

型

如果你绝对需要生成表达式，你可以这样做：

library(glue)
library(tidyverse)

years <- 2005:2007
idx <- 1:2
years_exprs <- map_chr(idx, ~ {
  str_flatten_comma(c(glue("revenues_{.x} == sales_{years} ~ {years}"),
                      ".default = NA")) %>% 
    str_c("case_when(", ., ")")
                    }) |>
  set_names(paste0("year_", idx)) |>
  parse_exprs()

df |>
  rowwise() |>
  mutate(!!! years_exprs) |>
  ungroup()

字符串
如果要使用分割切片操作符!!!，则需要为mutate提供 named 表达式。这些名称将成为变量名称。
你可以看到这个表达式在使用rlang::qq_show注入后是如何解析的：

qq_show(
  df |>
    rowwise() |>
    mutate(!!! years_exprs) |>
    ungroup()
)

ungroup(mutate(rowwise(df), year_1 = case_when(revenues_1 == sales_2005 ~ 2005,
revenues_1 == sales_2006 ~ 2006, revenues_1 == sales_2007 ~ 2007, .default = NA),
year_2 = case_when(revenues_2 == sales_2005 ~ 2005, revenues_2 == sales_2006 ~
  2006, revenues_2 == sales_2007 ~ 2007, .default = NA)))

型
话虽如此，如果你能找到一种方法来实现@jpsmith提供的解决方案，那将是一个更好的实践。根据我的经验，当人们有宽格式的数据时，他们会以这种方式使用表达式。通常，转向更长的格式或使用可用的工具（如across）更容易。

输出

revenues_1 revenues_2 sales_2005 sales_2006 sales_2007 year_1 year_2
       <dbl>      <dbl>      <dbl>      <dbl>      <dbl>  <dbl>  <dbl>
1          1          2          1          2          3   2005   2006
2          3          4          2          3          4   2006   2007
3          4          5          3          4          5   2006   2007

型