dplyr外部变量分组遗留代码更新：方案等价性与兼容周期问询

我有大量使用dplyr按程序指定变量进行分组的遗留代码，这些代码采用的方法目前已被弃用或取代。在简单案例中，多种替代方法结果与原代码一致，但想了解边缘场景下是否真正等价。

跳过早期为解决非标准求值（NSE）难题使用quo、enquo等工具的阶段，以下是可复现示例：

已弃用的group_by_()写法 #

library(dplyr)
Var1 <- "gear"
Var2 <- "cyl"

test1 <- mtcars %>% 
  group_by_(Var1, Var2) %>% 
  summarise(Mean_mpg = mean(mpg))

该代码仍可运行，但提示group_by_()在dplyr 0.7.0中已被弃用。

已被取代的group_by_at()写法 #

test2 <- mtcars %>% 
  group_by_at(c(Var1, Var2)) %>% 
  summarise(Mean_mpg = mean(mpg))

该代码可正常运行，但文档显示其已被取代，建议使用across()。

基于across()的初步替代写法 #

test3 <- mtcars %>% 
  group_by(across(c(Var1, Var2))) %>% 
  summarise(Mean_mpg = mean(mpg))

可正常运行，但出现警告提示需用all_of()或any_of()替代外部向量选择。

修正后的across()+all_of()写法 #

test4 <- mtcars %>% 
  group_by(across(all_of(c(Var1, Var2)))) %>% 
  summarise(Mean_mpg = mean(mpg))

《Programming with dplyr》中的另一种写法 #

test5 <- mtcars %>% 
  group_by(across(c({{Var1}}, {{Var2}}))) %>% 
  summarise(Mean_mpg = mean(mpg))

在dplyr 1.1.4的简单案例中，五种方法结果完全一致：

sapply(list(test2, test3, test4, test5), identical, test1)

核心疑问 #

• 仅针对向分组函数传入少量变量的场景，是否存在底层原因（如性能、错误捕获）要求更新test1和test2这类生产代码？
• 若需更新，最新推荐写法是什么？即group_by_(Var1, Var2)与group_by(across(all_of(c(Var1, Var2))))是否完全等价？
• group_by_()和group_by_at()大概还会被支持多久，包含这些方法的遗留代码何时会失效？

内容的提问来源于stack exchange，提问作者Knackiedoo