如何用R Tidyverse高效实现多级分组汇总嵌套适配ECharts4R旭日图？

问题背景 #

需要为大型数据集构建符合ECharts4R旭日图要求的嵌套层级结构，当前通过重复filter的方式实现，代码冗余且难以维护，希望通过nest()+group_by的高效方式替代。

解决方案：递归嵌套+分组汇总 #

使用递归函数配合dplyr的分组、嵌套功能，可以自动处理任意层级的结构，无需重复编写过滤逻辑，代码可扩展性极强。

步骤1：定义递归构建函数 #

这个函数可以根据指定的分组列顺序，自动逐层构建嵌套的层级数据：

library(tidyverse)

build_hierarchy <- function(data, group_cols, value_col, agg_func = mean) {
  # 终止条件：无剩余分组列时，返回汇总值
  if (length(group_cols) == 0) {
    return(tibble(value = agg_func(data[[value_col]])))
  }
  
  current_group <- group_cols[1]
  remaining_groups <- group_cols[-1]
  
  data %>%
    group_by(!!sym(current_group)) %>%
    summarise(
      value = agg_func(!!sym(value_col)),
      # 递归构建子层级
      children = list(build_hierarchy(cur_data(), remaining_groups, value_col, agg_func)),
      .groups = "drop"
    ) %>%
    # 重命名为旭日图要求的name字段
    rename(name = !!current_group) %>%
    # 将空的子节点转为NULL，匹配ECharts4R格式
    mutate(children = map(children, ~ if (nrow(.x) == 0) NULL else .x))
}

步骤2：应用函数构建层级结构 #

以mtcars数据集为例，构建am（根层级）→gear（一级子层级）的结构：

# 可选：保留行名（如果需要后续扩展到车型层级）
d1 <- mtcars %>% rownames_to_column("car")

# 生成层级数据：根节点是am，子节点是gear，汇总mpg的均值
preppedData <- build_hierarchy(
  data = d1,
  group_cols = c("am", "gear"),  # 层级顺序：从根到子
  value_col = "mpg",
  agg_func = mean  # 可替换为sum等其他汇总函数
)

# 查看最终结构
glimpse(preppedData)

方法优势 #

• 无冗余代码：无需重复编写filter和bind_rows，新增层级仅需修改group_cols参数
• 可扩展性强：支持任意深度的层级结构，比如要扩展到am→gear→carb，只需将group_cols改为c("am", "gear", "carb")
• 适配ECharts4R格式：自动将空节点转为NULL，符合旭日图的数据要求
• 性能友好：基于dplyr的向量化操作，适合处理大型数据集

扩展示例：三层级结构 #

如果需要构建am→gear→carb的三层结构，只需修改group_cols：

preppedData_3level <- build_hierarchy(
  data = d1,
  group_cols = c("am", "gear", "carb"),
  value_col = "mpg"
)

内容的提问来源于stack exchange，提问作者Gingie