当然可以实现！在tidyverse的语法体系下，我们只需要对原函数做几处简单调整，就能让它支持任意数量的分组变量和汇总变量。下面是修改后的完整方案：

修改后的函数代码 #

suppressPackageStartupMessages({ library(tidyverse) })
set.seed(4321)
demo_df <- tibble(age=as.integer(rep(c(10,20),each=10)), gender=rep(c("f","m"),10), weight=rnorm(20,70,7), size=rnorm(20,160,15))

my_summary <- function(df_in, ..., summary_vars) {
  df_in |>
    # 用...接收任意数量的分组变量
    group_by(...) |>
    # 用across批量处理多个汇总变量，计算均值
    summarise(across({{summary_vars}}, mean), .groups = "drop")
}

关键调整说明 #

• 可变分组变量：通过...（点参数）来接收任意数量的分组变量，直接传入group_by()即可，不管是1个还是多个分组维度都能处理。
• 可变汇总变量：用summary_vars参数配合{{}}（整洁评估）和across()函数，across()可以批量对多个变量应用统计函数（这里是mean），完美支持多个汇总变量的需求。
• 可选的.groups = "drop"：用来自动移除分组属性，让输出结果更整洁，避免后续操作可能出现的分组冲突。

示例用法 #

单个分组+单个汇总变量 #

my_summary(demo_df, gender, summary_vars = weight)

输出结果：

# A tibble: 2 × 2
  gender weight
  <chr>   <dbl>
1 f        71.4
2 m        68.8

多个分组+多个汇总变量 #

my_summary(demo_df, age, gender, summary_vars = c(weight, size))

输出结果：

# A tibble: 4 × 4
    age gender weight  size
  <int> <chr>   <dbl> <dbl>
1    10 f        72.0  162.
2    10 m        69.4  157.
3    20 f        70.7  159.
4    20 m        68.2  160.

如果需要支持更多统计量（比如同时计算均值和标准差），还可以进一步扩展across()的参数，比如across({{summary_vars}}, list(mean = mean, sd = sd))，这个可以根据你的需求灵活调整。

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