#前提
前処理の際に、同じようなコードを書繰り返し書くことがないでしょうか。
私はアンケート調査・研究調査で回答項目の値変換するときに、同じようなコードを書いて前処理していましたが、across()を使うことでコードを書く量が大幅に減少しました。
今回は、満足度調査を例に、across()を使った値変換をご紹介します。

A・B・C・Dの製品について満足度調査をして下記の結果が得られました。
この回答結果をとても満足=5・満足=4・普通=3・非常に不満足=2・非常に不満足=1という感じに点数化したいと思います。

ID	A	B	C	D
1	非常に満足	非常に満足	とても満足	満足
2	満足	満足	普通	非常に満足
3	非常に不満足	非常に不満足	不満足	不満足
4	非常に不満足	普通	非常に満足	非常に満足

#across()を使わない場合

library(tidyverse)
ID <- c(1, 2, 3, 4)
A <- c("非常に満足", "非常に満足", "非常に満足", "満足")
B <- c("満足", "満足", "普通", "非常に満足")
C <- c("非常に不満足", "非常に不満足", "不満足", "不満足")
D <- c("非常に不満足", "普通", "非常に満足", "非常に満足")
df_example <- data_frame(A = A, B = B, C = C, D = D)

df_example_notacross <- df_example %>%
  mutate(
    A = case_when(
      A == "非常に満足" ~ 5,
      A == "満足" ~ 4,
      A == "普通" ~ 3,
      A == "不満足" ~ 2,
      A == "非常に不満足" ~ 1,
    ),
    B = case_when(
      B == "非常に満足" ~ 5,
      B == "満足" ~ 4,
      B == "普通" ~ 3,
      B == "不満足" ~ 2,
      B == "非常に不満足" ~ 1,
    ),
    C = case_when(
      C == "非常に満足" ~ 5,
      C == "満足" ~ 4,
      C == "普通" ~ 3,
      C == "不満足" ~ 2,
      C == "非常に不満足" ~ 1,
    ),
    D = case_when(
      D == "非常に満足" ~ 5,
      D == "満足" ~ 4,
      D == "普通" ~ 3,
      D == "不満足" ~ 2,
      D == "非常に不満足" ~ 1,
    )
  )

同じような処理を何回も書くことになり、コード量非常に多くなってしまいます。
では、across()を使ってみましょう！

#across()を使う場合

#値変換をする自作関数　
Func<-function(colum)(colum = case_when(
  colum== "非常に満足" ~ 5,
  colum == "満足" ~ 4,
  colum == "普通" ~ 3,
  colum == "不満足" ~ 2,
  colum == "非常に不満足" ~ 1,
))

df_example_across <- df_example %>%
  mutate(across(A:D,Func))

自作関数とacross()を使うことでコード量が減少しました！
across()は繰り返し処理をしてくれるので、いろんな場面で使えそうです。

#参考