在tidyverse/dplyr中实现保留主表全列的关联分组聚合

你需要关联nests和nest_days，保留nests的全部列，同时添加nest_days按NestID分组后的Day最值，这里提供几种简洁优雅的tidyverse实现方式：

方法一：先聚合再关联（最贴近SQL逻辑） #

把nest_days的聚合操作嵌入关联步骤，用管道串联后完全不需要拆分两步，写法简洁直观：

nests %>%
  # 用left_join保留nests所有行，仅需匹配行的话换成inner_join
  left_join(
    nest_days %>% 
      group_by(NestID) %>% 
      summarize(minDay = min(Day), maxDay = max(Day)),
    by = "NestID"
  )

方法二：关联后聚合并保留原表列 #

如果偏好先关联再聚合的逻辑，利用dplyr的特性：分组内唯一的列可以通过across结合first（或last）保留，同时过滤掉nest_days的冗余列：

nests %>%
  inner_join(nest_days, join_by(NestID)) %>%
  group_by(NestID) %>%
  summarize(
    # 保留nests的所有列（每个NestID下这些列唯一，取first不改变值）
    across(all_of(names(nests))),
    minDay = min(Day),
    maxDay = max(Day)
  ) %>%
  # 移除nest_days带来的同名冗余列（实际数据无同名列可省略）
  select(-any_of(c("a", "b", "c", "Day")))

方法三：优化你找到的nest_join方案 #

你之前的nest_join写法可以简化，直接提取列计算，代码更清爽：

nests %>%
  nest_join(nest_days, by = "NestID") %>%
  mutate(
    minDay = map_dbl(nest_days, ~.x$Day %>% min()),
    maxDay = map_dbl(nest_days, ~.x$Day %>% max())
  ) %>%
  select(-nest_days)

小提示 #

你的模拟数据中两个表有同名列（a/b/c），关联后会生成a.x/a.y这类重复列，实际业务中建议给不同表的同名列加前缀（比如nest_days的列改成nd_a），能让代码逻辑更清晰。

内容的提问来源于stack exchange，提问作者Tomas