如何向学生解释R语言dplyr函数中使用<-赋值的异常行为？

很多学生刚接触dplyr时，容易在summarise、mutate这类函数里用<-赋值，结果生成的列名变成了整条赋值语句，比如：

library(dplyr)
iris |> 
  summarise(avg_petal_length <- mean(Petal.Length)) 
#>   avg_petal_length <- mean(Petal.Length)
#> 1                                  3.758

为什么会出现这种情况？ #

在R里，<-是有返回值的赋值运算符：它完成赋值后，会返回被赋的值。但dplyr的函数逻辑是这样的：当你给summarise传参数时，它会把参数的“表达式本身”当作列名，把“表达式的返回值”当作列的内容。

比如你写avg_petal_length <- mean(Petal.Length)，这个表达式的返回值是mean(Petal.Length)的计算结果，但表达式本身的字符串形式就是"avg_petal_length <- mean(Petal.Length)"，所以dplyr就把这个字符串当成了新列的名字。

和基础R$赋值的区别 #

学生容易搞混，是因为基础R里用$赋值的逻辑不一样：

iris$petal_length_one <- iris$Petal.Length + 1

这里的<-是直接对iris这个数据框的列做修改操作，本质是给数据框的某个位置赋值，不需要返回新列名——因为$petal_length_one已经明确指定了要新增的列名。

但dplyr是函数式编程风格：它的所有动词（summarise、mutate等）都不会修改原数据，而是返回一个新的数据框。所以它需要你明确告诉它“新列叫什么名字，怎么计算这个列的值”，语法是新列名 = 计算逻辑，而不是用赋值语句。

正确的写法 #

直接用=来指定列名和计算逻辑，这是dplyr的标准写法：

library(dplyr)
iris |> 
  summarise(avg_petal_length = mean(Petal.Length)) 
#>   avg_petal_length
#> 1            3.758

如果确实习惯用<-（比如需要先把计算结果存起来再用），可以用大括号包裹，最后返回计算值，再用=指定列名：

iris |> 
  summarise(avg_petal_length = {
    temp_val <- mean(Petal.Length)
    temp_val
  })

内容的提问来源于stack exchange，提问作者Victor Feagins