我更熟悉tidyverse函数，但下面是我将如何构造函数：

library(tidyverse)

conv_th_or_mm <- function(df, text){

  if(str_detect(text, regex("million", ignore_case=T))){

    df <- df %>%
      mutate(
        across(
          .cols = where(is.numeric),
          .fns = ~.x*1000000
        )
      )

  } else {

    df <- df %>%
      mutate(
        across(
          .cols = where(is.numeric),
          .fns = ~.x*1000
        )
      )

  }

  df <- df %>%
    mutate(
      across(
        .cols = where(is.numeric),
        .fns = ~formatC(.x, big.mark=",", digits=0, format="f")
      )
    )

  return(df)
}

有几点：

• 我添加了text作为函数的参数，我认为您可能希望根据 Dataframe 传入该参数。
• 我以前只使用过formatC（），所以我使用了等效的参数来匹配format（）函数。
• 我给你的函数取了一个稍微不同的名字，这也许现在不重要了，但是如果你一年后再看它的话，你会发现你写了24个其他的函数。
• 如果您的用例需要它，您可以更具体地使用. cols，但我假设所有的数值都需要转换。

编辑并补充一点，R在查找您调用的变量时非常灵活，如果您在函数中调用它，尽管没有将其作为参数传入，R也可能在全局环境中查找text（对于其他语言来说，这是一种奇怪的行为）但是，如果函数外部的数据是my_df，而要计算的文本是my_text，你可以这样使用我的函数

my_df <- conv_th_or_mm(df = my_df, text = my_text)

我们可以将thousand、million取出，替换为1e3和1e6进行相乘，假设text可以输入到函数中

library(dplyr)
multiply_columns <- function(df, text){

 val_to_mult <- as.numeric(stringr::str_replace_all(stringr::str_extract(text, 
      "million|thousand|billion"),  setNames(c("1e3", "1e6", "1e9"), 
            c("thousand", "million", "billion"))))
 df %>%
    mutate(across(where(is.numeric), ~ scales::comma(.x * val_to_mult)))
    }

• 测试

> text <- "in millions, except share and per share data"
> multiply_columns(df, text)
     col1           col2           col3
1                     <NA>           <NA>
2    assets  5,000,000,000  4,500,000,000
3      loss -1,400,000,000 -1,100,000,000
4 liability    300,000,000    500,000,000

> multiply_columns(df, "in thousands")
    col1       col2       col3
1                 <NA>       <NA>
2    assets  5,000,000  4,500,000
3      loss -1,400,000 -1,100,000
4 liability    300,000    500,000

> multiply_columns(df, "in billion")
    col1               col2               col3
1                         <NA>               <NA>
2    assets  5,000,000,000,000  4,500,000,000,000
3      loss -1,400,000,000,000 -1,100,000,000,000
4 liability    300,000,000,000    500,000,000,000