如果计算自定义变量不是太昂贵，你可以负担得起这样做两次，那么我会简单地更改为transmute并拉取列名。这使得获取自定义函数中使用的所有列名变得超级容易。

library(tidyverse)

my_function <- function(.data, ...){
  out <- mutate(.data, ...)
  out_temp <- transmute(.data, ...)
  
  colnames(out_temp)
}

my_function(iris, Sepal.Length = as.integer(Sepal.Length),
               across(all_of("Sepal.Width"), \(x) x * 100),
               Petal.Width = Petal.Length,
               new_column = 42)
#> [1] "Sepal.Length" "Sepal.Width"  "Petal.Width"  "new_column"

字符串
正如你在注解中提到的，这个方法也适用于未命名的函数：

my_function(iris, rowSums(pick(1:2)))
#> [1] "rowSums(pick(1:2))"

型
当然，如果你只需要列的名字，而不需要实际计算mutate，那么你可以放弃原来的mutate，只使用transmute。

一种方法是捕获调用并1）提取命名的转换。2）across()调用，传递给tidyselect::eval_select()，以便可以提取“tidyselected”的变量名称。

my_function <- function(.data, ...) {
  fcall <- match.call()
  res <- as.list(fcall)[3:length(fcall)]
  named_vars <- names(res)[names(res) != ""]
  across_vars <- unlist(lapply(res[names(res) == ""], \(x) names(tidyselect::eval_select(x[[2]], .data))))
  out_names <- unique(unname(c(named_vars, across_vars)))
  
  # rest of your function
  out <- mutate(.data, ...)
  out_names[!out_names %in% names(formals(dplyr:::mutate.data.frame))
}

my_function(iris,
          Sepal.Length = as.integer(Sepal.Length),
          across(all_of("Sepal.Width"), \(x) x * 100),
          Petal.Width = Petal.Length,
          new_column = 42)

[1] "Sepal.Length" "Petal.Width"  "new_column"   "Sepal.Width"

字符串