如何用R简洁实现按组统计数据框各列唯一值数量？

需求说明：
有一个包含大量列的数据框，需按指定列分组，最终输出新的数据框/tibble——每行对应原数据框的一个分组，其余列的值为对应分组下该列的唯一值数量。限制条件：除分组列外，不能在脚本中显式引用其他列。

目前已通过for循环实现需求，但希望找到更高效、更符合R风格的实现方式。尝试过group_by()和嵌套apply()调用，但未得到预期结果。

示例数据与原有实现代码 #

# 实际数据框的列数远多于示例
df <- data.frame(my_group=c('a','b','c','a','b','c','a','b','c'),
                 age=c(1,2,3,4,5,6,1,8,9),
                 gender=c(1,1,2,2,1,2,2,2,2),
                 x=c(T,F,F,T,F,T,F,F,F))

# 按分组拆分数据框
t <- split(df[,colnames(df)!="my_group"], df$my_group)

results <- df[FALSE,] # 初始化结果模板

for ( i in 1:length(t)) {  # 用for循环实现
  z <- rapply(t[[i]], function(x) length(unique(unlist(x))))
  row <- data.frame(my_group=names(t[i]),t(data.frame(z)))
  results <- rbind(results, row, make.row.names=FALSE)
}

原有实现的输出 #

> results
  my_group age gender x
1        a   2      2 2
2        b   3      2 1
3        c   3      1 2
# 结果正确，但速度慢，不够"R风格"

高效优化方案 #

经过测试，以下三种方案最适用，其中第一种速度最快：

• 方案1（最快）：

  df %>% group_by(my_group) %>% summarise_all(n_distinct)
  

  贡献者：Samet Sökel

• 方案2（相对速度 1.12）：

  summarize(df, across(everything(), n_distinct), .by=my_group)
  

  贡献者：TarJae, Umar

• 方案3（相对速度 1.022）：

  aggregate(. ~ my_group, data = df, n_distinct)
  

  贡献者：AkselA, TarJae, Umar, Samet Sökel

注意事项 #

若数据框存在NA值，aggregate()方法会失效，即使设置na.action = na.omit也无法解决，使用时需谨慎。

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