tidyverse中summarise可调用函数疑问及分组处理异常排查

我有一个名为samples的数据框，共50行，对应5个样本，每个样本10行，样本编号由sample_no列标记。我还有一个函数f，接收样本数据并返回单行汇总数据框。执行以下代码时：

samples %>%
group_by(sample_no) %>%
dplyr::summarise( d = f(.) ) %>%
unpack(cols = d)

发现f获取到了全部50行数据，而非每个分组对应的10行。但执行f(samples %>% filter(sample_no == 1))时，f能正确获取10行数据。请问是不是只有特定的「分组感知」函数才能在summarise中使用？还是存在其他问题？

最小可复现示例（MWE） #

library(tidyverse)

SAMPLE_SIZE <- 10
NSAMPLES <- 5

fresh_sample <- function() {
  data.frame(F = rnorm(SAMPLE_SIZE, 0, 1))
}

# 我也想知道有没有更简洁的写法...
samples <- do.call(rbind, lapply(1:NSAMPLES, function(k) {
  fresh_sample() %>% mutate(sample_no = k)
}))

# 我实际不需要计算维度，真正要对样本做的计算复杂得多
dims <- function(sample) {
  data.frame(nrow = nrow(sample), ncol = ncol(sample))
}

# 返回1行数据框，nrow = 10，ncol = 2
dims(samples %>% filter(sample_no == 1))

# 返回5行数据框，每行的nrow = 50，ncol = 2
samples %>%
  group_by(sample_no) %>%
  dplyr::summarise(d = dims(.)) %>%
  unpack(cols = d)

问题原因 #

在dplyr::summarise()中直接传递.给自定义函数时，.代表的是带分组属性的整个分组tibble，而非当前分组的纯数据子集。当你在函数内部调用nrow()这类函数时，它会忽略分组属性，直接读取整个tibble的总行数，因此得到了全量的50行。

解决方法 #

方法1：用cur_data()提取当前分组的纯数据 #

cur_data()是dplyr提供的专用函数，用于在分组操作中获取当前分组的纯数据（不带分组属性）。修改summarise调用即可解决问题：

samples %>%
  group_by(sample_no) %>%
  dplyr::summarise(d = dims(cur_data())) %>%
  unpack(cols = d)

此时dims函数收到的是每个分组的10行数据，返回结果会正确显示每个分组的nrow=10。

方法2：将函数适配为分组感知型 #

如果你的函数逻辑允许，也可以将其改写为支持dplyr分组上下文的形式，但对于需要处理整个分组数据框的场景，cur_data()是最直接高效的方案。

额外优化：更简洁的样本数据生成方式 #

你提到想知道更简洁的样本生成写法，可以用purrr::map_dfr替代do.call(rbind, lapply(...))，代码更简洁易读：

# 写法1
samples <- map_dfr(1:NSAMPLES, function(k) {
  fresh_sample() %>% mutate(sample_no = k)
})

# 更简洁的匿名函数写法
samples <- map_dfr(1:NSAMPLES, ~fresh_sample() %>% mutate(sample_no = .x))

内容的提问来源于stack exchange，提问作者Mohan