R语言dplyr分组聚合自定义函数的行名长度错误问题

错误原因 #

1. 你在函数中直接使用传入的x和y是全局向量（整个数据集的列），并非分组后的子集，导致计算的中位数、求和结果都是全局值，而非分组统计值。
2. binom.confint()返回的是包含多列的数据框，直接放入summarise()中会让每个分组对应一个数据框对象，而summarise()默认要求每个汇总结果长度为1，当分组样本量不同时，就会触发「row.names长度不符」的错误。

修复方案1：使用dplyr非标准求值（推荐） #

修改函数接收数据框和列名，通过{{}}语法实现分组内的正确计算，同时拆分置信区间结果为单独列：

library(dplyr)
library(binom)

set.seed(123)
df = data.frame(
  Group = c("A","A","A","A","A","B","B","B","B","B", "B"),
  Con = runif(11, min = 10, max = 60),
  YN = rbinom(11, 1, 0.5)
)

cf = function(data, con_col, yn_col){
  data %>%
    group_by(Group) %>%
    summarise(
      median = median({{con_col}}),
      n = n(),
      YN_n = sum({{yn_col}}),
      YN_perc = mean({{yn_col}})*100,  # 用mean替代sum/n()更简洁
      # 拆分置信区间为上下限列
      CI_lower = binom.confint(sum({{yn_col}}), n(), conf.level = 0.95, method = "exact")$lower,
      CI_upper = binom.confint(sum({{yn_col}}), n(), conf.level = 0.95, method = "exact")$upper
    ) %>%
    ungroup()  # 可选：取消分组，返回普通数据框
}

# 调用函数
cf(df, Con, YN)

修复方案2：保持传入向量的方式 #

如果需要保留传入向量的调用逻辑，可通过cur_data()获取分组后的数据集，提取对应列进行计算：

library(dplyr)
library(binom)

set.seed(123)
df = data.frame(
  Group = c("A","A","A","A","A","B","B","B","B","B", "B"),
  Con = runif(11, min = 10, max = 60),
  YN = rbinom(11, 1, 0.5)
)

cf = function(x, y){
  df %>%
    group_by(Group) %>%
    summarise(
      median = median(cur_data()[[deparse(substitute(x))]]),
      n = n(),
      YN_n = sum(cur_data()[[deparse(substitute(y))]]),
      YN_perc = sum(cur_data()[[deparse(substitute(y))]])/n()*100,
      CI_lower = binom.confint(sum(cur_data()[[deparse(substitute(y))]]), n(), conf.level = 0.95, method = "exact")$lower,
      CI_upper = binom.confint(sum(cur_data()[[deparse(substitute(y))]]), n(), conf.level = 0.95, method = "exact")$upper
    ) %>%
    ungroup()
}

# 调用函数
cf(df$Con, df$YN)

关键修复点 #

• 分组内列引用：确保所有计算基于分组后的子集列，而非全局向量。
• 拆分置信区间：将binom.confint()返回的多列数据框拆分为单独的上下限列，保证summarise()的每个结果都是长度为1的值，避免嵌套数据框导致的行名错误。

内容的提问来源于stack exchange，提问作者Dylan Li