如何在dplyr::summarize中为不同列批量匹配对应汇总函数？

你遇到的问题是across默认会把传入的所有函数应用到每一列，导致生成了远多于需求的汇总列。要实现每列仅对应查找表中指定的单个函数，可以用以下两种简洁方法：

方法1：利用cur_column()匹配对应函数 #

先把查找表转换为列名-函数的命名列表，再在across中通过cur_column()获取当前处理的列名，调用对应的函数：

library(dplyr)

lookup_table <- tibble(
  variable = c('mpg', 'disp', 'hp', 'drat', 'wt', 'qsec', 'vs', 'am', 'gear', 'carb'),
  summ_fn = list(mean, max, min, sum, mean, mean, median, mean, sum, max)
)

# 转换为列名映射到函数的命名列表
fn_mapping <- setNames(lookup_table$summ_fn, lookup_table$variable)

mtcars %>%
  group_by(cyl) %>%
  summarize(
    across(all_of(names(fn_mapping)), ~ fn_mapping[[cur_column()]](.x)),
    .groups = "drop" # 可选，取消分组状态
  )

方法2：用purrr生成汇总表达式 #

如果习惯用表达式拼接的方式，可以借助purrr::map2生成每个列的汇总表达式，再通过!!!展开到summarize中：

library(dplyr)
library(purrr)

lookup_table <- tibble(
  variable = c('mpg', 'disp', 'hp', 'drat', 'wt', 'qsec', 'vs', 'am', 'gear', 'carb'),
  summ_fn = list(mean, max, min, sum, mean, mean, median, mean, sum, max)
)

# 生成每个变量对应的汇总表达式
summ_expressions <- map2(lookup_table$variable, lookup_table$summ_fn, 
                         ~ expr(!!.y(!!sym(.x))))

mtcars %>%
  group_by(cyl) %>%
  summarize(!!!summ_expressions, .groups = "drop")

为什么原代码会生成100列？ #

原代码中.fns = lookup_table$summ_fn是把10个函数全部传入across，across的逻辑是对每一列应用所有传入的函数，因此10列×10个函数就生成了100个汇总列，这和你的需求不符。

内容的提问来源于stack exchange，提问作者qdread