如何在dplyr中实现plyr::ddply的自定义function(x)逻辑？

为啥你的写法报错 #

你在group_by之后直接接匿名函数的方式不对，dplyr里分组后要应用自定义逻辑，得用专门的函数来承接，比如group_modify()（dplyr 1.0.0之后的推荐写法）或者旧版的do()。

推荐写法（用group_modify） #

如果你的by是单个列名，或者多个列名组成的向量，用group_by(across(all_of(by)))来动态指定分组列，再用group_modify()传入你的自定义函数：

intervals <- function(dataset, by, model) {
  # 你的前置代码
  
  dataset %>%
    group_by(across(all_of(by))) %>%
    group_modify(function(x, .y) {
      # x是当前分组的完整数据集，.y是分组键的单行数据（不用可以忽略）
      # 把你原来在ddply里的代码放这儿，比如拟合模型、计算区间等
      # 注意必须返回数据框/tibble，和ddply的行为一致
      tibble(lower = some_calculation(x), upper = another_calculation(x))
    }) %>%
    ungroup() # 可选，处理完取消分组状态，避免后续操作受影响
}

旧版dplyr兼容写法（用do()） #

如果你的dplyr版本比较老，可以用do()，注意要手动把当前分组数据传给匿名函数：

intervals <- function(dataset, by, model) {
  # 你的前置代码
  
  dataset %>%
    group_by(across(all_of(by))) %>%
    do(function(x) {
      # 你的原有代码逻辑
      tibble(result = process_data(x))
    }(.)) %>% # 这里的.代表当前分组的数据
    ungroup()
}

几个关键细节 #

• 动态分组：因为by是函数的参数，不能直接写group_by(by)，得用across(all_of(by))来正确解析列名；如果是单个列名，也可以简化成group_by(.data[[by]])。
• 返回值要求：自定义函数必须返回数据框或tibble，这样dplyr才能把所有分组的结果拼接成一个完整的数据集，和ddply的输出格式一致。
• 取消分组：处理完分组逻辑后，建议用ungroup()清除分组标记，避免后续对数据集的操作意外继承分组状态。

内容的提问来源于stack exchange，提问作者Salvador