如何在dplyr生态中更简洁实现分组数据按行提取指定区间向量的最小值（偏好匿名函数实现）

当然有更简洁的实现方式！你的核心需求是分组后，对每一行根据start和end提取temp列的区间最小值，可以直接在dplyr的管道里结合map2_dbl和匿名函数完成，不需要单独定义外部函数，也能避免group_map返回列表的繁琐。

优化后的代码 #

library(dplyr)
library(purrr)

# 设置随机种子保证结果可复现
set.seed(123)
dat <- data.frame(
  temp = rnorm(10, 10, 2), 
  start = c(1:5, 1:5), 
  end = c(2, 2, 4, 5, 5, 2, 3, 4, 5, 5), 
  group = c(rep("a", 5), rep("b", 5))
)

# 核心实现：分组后直接新增结果列
dat %>%
  group_by(group) %>%
  mutate(min_temp = map2_dbl(start, end, ~min(temp[.x:.y]))) %>%
  ungroup()

为什么这个方案更简洁？ #

1. 无需外部函数：用purrr的波浪号~语法定义匿名函数，直接在mutate里完成计算，省去了单独写fun.try的步骤。
2. 结果直接整合：通过mutate将计算出的最小值作为新列添加到原数据框中，比group_map返回独立列表更符合日常数据分析的工作流。
3. 更精准的映射：因为只需要对应start和end两个变量，用map2_dbl比pmap_dbl更贴合场景，代码可读性更强。

如果仍需要分组列表输出 #

如果你确实需要保留group_map的列表输出形式，也可以简化成：

dat %>%
  group_by(group) %>%
  group_map(~mutate(.x, min_temp = map2_dbl(start, end, ~min(.x$temp[.x:.y]))))

这个版本同样用匿名函数完成计算，比你原来的实现少了外部函数的定义，代码更紧凑。

内容的提问来源于stack exchange，提问作者user2602640