这里我不会使用dplyr，我会直接使用底数R：

diff_cols = your_data[-1] - your_data[-ncol(your_data)]
names(diff_cols) = paste0(
  names(your_data)[-1],
  "-",
  names(your_data)[-ncol(your_data)]
)
cbind(your_data, diff_cols)
#   x y z y-x z-y
# 1 1 0 2  -1   2
# 2 2 1 3  -1   2
# 3 3 2 4  -1   2
# 4 4 3 5  -1   2
# 5 5 4 6  -1   2

你可以用类似

library(dplyr)

df %>% 
  mutate(across(x:y, 
                ~. - df[[names(df)[which(names(df) == cur_column()) + 1]]],
                .names = "{.col}-{names(df)[which(names(df) == .col) + 1]}")
         )

这将返回

x y z x-y y-z
1 1 0 2   1  -2
2 2 1 3   1  -2
3 3 2 4   1  -2
4 4 3 5   1  -2
5 5 4 6   1  -2
Warning message:
Problem while computing `..1 = across(...)`.
ℹ longer object length is not a multiple of shorter object length

但会发出一个无法删除的警告。🤔

使用dplyr可以执行以下操作：

library(dplyr, warn.conflicts = FALSE)

df1 <- data.frame(x = c(1:5), y = c(0:4), z = c(2:6))

df1 |> 
  mutate(`y-x` = y - x,
         `z-y` = z - y)
#> # A tibble: 5 × 5
#> # Rowwise: 
#>       x     y     z `y-x` `z-y`
#>   <int> <int> <int> <int> <int>
#> 1     1     0     2    -1     2
#> 2     2     1     3    -1     2
#> 3     3     2     4    -1     2
#> 4     4     3     5    -1     2
#> 5     5     4     6    -1     2

创建于2022年12月27日，使用reprex v2.0.2

我们可以使用across2

library(dplyover)
a %>% 
  mutate(across2(y:z, x:y, `-`))
  x y z y_x z_y
1 1 0 2  -1   2
2 2 1 3  -1   2
3 3 2 4  -1   2
4 4 3 5  -1   2
5 5 4 6  -1   2

如果列名应为-而不是_，

a %>% 
  mutate(across2(y:z, x:y, `-`, .names = "{xcol}-{ycol}"))
  x y z y-x z-y
1 1 0 2  -1   2
2 2 1 3  -1   2
3 3 2 4  -1   2
4 4 3 5  -1   2
5 5 4 6  -1   2

或者使用两个across与dplyr配合使用

library(dplyr)
 a %>%
  mutate(across(y:z, .names = "{.col}-{names(a)[match(.col, names(a))-1]}") -
       across(x:y))

• 输出

x y z y-x z-y
1 1 0 2  -1   2
2 2 1 3  -1   2
3 3 2 4  -1   2
4 4 3 5  -1   2
5 5 4 6  -1   2

这里有一个tidyr：：pivot_longger + dplyr的方法，同样的代码可以用于任意数量的列。

df1 <- data.frame(x = c(1:5), y = c(0:4), z = c(2:6)) %>%
  mutate(row = row_number()) %>%
  pivot_longer(-row)

bind_rows(df1, 
  df1 %>%
    group_by(row) %>%
    mutate(name = paste0(name, "-", lag(name)), value = value - lag(value)) %>%
    ungroup() %>% filter(!is.na(value))) %>%
  pivot_wider(names_from = name, values_from = value)

结果

# A tibble: 5 × 6
    row     x     y     z `y-x` `z-y`
  <int> <int> <int> <int> <int> <int>
1     1     1     0     2    -1     2
2     2     2     1     3    -1     2
3     3     3     2     4    -1     2
4     4     4     3     5    -1     2
5     5     5     4     6    -1     2