为何R语言foo2()函数未将同模式study分组为同一列表元素？

问题背景 #

foo2()的设计目的是依据不同study的变量变化模式对数据分组：当所选变量中某一变量（如var1.var2）会随其他所选变量（如sample_id）的部分行变化时，具有相同模式的study应被归为同一组。

在输入数据中：

• study为Mecartty的行：var1.var2随sample_id的部分行变化，sample_id随study的部分行变化
• study为Larson的行：呈现与Mecartty完全相同的变量依赖模式

但调用foo2(Data, study, sample_id, var1.var2)后，预期应得到1个列表元素（两组study归为一组），实际却输出了2个独立的列表元素。

代码示例 #

library(tidyverse)
library(rlang)

Data <- read.table(h=T, text =
"study   sample_id var1.var2 effect
Mecartty        1 L2V.L2L      1
Mecartty        1 L2G.L2L      2
Mecartty        2 L2R.L2V      3
Mecartty        2 L2R.L2G      4
Mecartty        2 L2V.L2G      5
Larson          1 L2R.L2G      6
Larson          1 L2R.L2L      7
Larson          1 L2G.L2L      8
Larson          2 L2R.L2G      9
Larson          2 L2R.L2L      10
Larson          2 L2G.L2L      11")

foo2 <- function(dat, study_col, ...) {
  
  dot_cols <- ensyms(...)
  str_cols <- purrr::map_chr(dot_cols, rlang::as_string)
  
  dat %>%
    dplyr::select({{study_col}}, !!! dot_cols) %>%
    dplyr::group_by({{study_col}}) %>%
    dplyr::mutate(grp = across(all_of(str_cols), ~ {
      tmp <- n_distinct(.)
      case_when(tmp  == 1 ~ 1, tmp == n() ~ 2, tmp >1 & tmp < n() ~ 3,  TRUE ~ 4)
    }) %>%
      purrr::reduce(stringr::str_c, collapse="")) %>%
    dplyr::ungroup(.) %>%
    dplyr::group_split(grp, .keep = FALSE)
  
}

# 调用函数
foo2(Data, study, sample_id, var1.var2)

原因解析 #

问题核心出在grp分组键的生成逻辑上：

1. 函数先按study分组，对每个study内部的目标变量计算n_distinct(.)（变量不同值的数量），再通过case_when生成对应编码，最后拼接成grp字符串。
2. 两组study的grp计算结果不同：
   • Mecartty组：共5行。sample_id的不同值数量为2（满足1<2<5，编码3）；var1.var2的不同值数量为5（等于总行数，编码2），最终grp为"32"。
   • Larson组：共6行。sample_id的不同值数量为2（满足1<2<6，编码3）；var1.var2的不同值数量为3（满足1<3<6，编码3），最终grp为"33"。
3. 由于两个study的grp字符串不一致，group_split会将它们拆分为两个独立的列表元素。

简言之，当前函数是基于每个study内部的绝对行数与变量不同值数量的关系生成分组键，而非判断变量间的依赖模式（比如var1.var2是否随sample_id的部分行变化），这才导致了不符合预期的分组结果。

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