如何按组大小拆分分组DataFrame？有无tidyverse实现方法？

问题背景 #

你已经掌握了这些dplyr操作：

• original_df %>% group_by(grouping_factor) %>% group_split()：按指定分组因子将数据拆分为DataFrame列表
• original_df %>% group_by(grouping_factor) %>% summarize(counts = n())：统计每个分组的行数（组大小）
• original_df %>% group_by(grouping_factor) %>% filter(n() == <size #>)：筛选出指定大小的分组

现在需要实现：按组的大小拆分数据——把所有行数相同的分组合并到同一个DataFrame中，比如所有大小为2的组放一起，大小为3的组放一起，同时想确认group_split()是否支持自定义拆分逻辑。

tidyverse实现方法 #

不需要循环，通过两步即可完成：先给每个行标记所属分组的大小，再按这个大小分组拆分。

方法一：一步链式操作

# 直接生成按组大小拆分的DataFrame列表
split_by_size <- original_df %>%
  # 先按原分组因子分组，给每行标记组大小
  group_by(grouping_factor) %>%
  mutate(group_size = n()) %>%
  ungroup() %>%
  # 按组大小重新分组，然后拆分
  group_by(group_size) %>%
  group_split(.keep = FALSE) # .keep=FALSE 会移除group_size列，按需选择是否保留

方法二：先做分组大小映射（更清晰）

如果需要单独保留分组大小的映射关系，可以先生成映射表再关联：

# 第一步：生成每个分组对应的大小映射
group_size_map <- original_df %>%
  group_by(grouping_factor) %>%
  summarize(group_size = n())

# 第二步：关联映射表，按组大小拆分
split_by_size <- original_df %>%
  left_join(group_size_map, by = "grouping_factor") %>%
  group_by(group_size) %>%
  group_split(.keep = FALSE)

给列表命名（可选）

如果需要给拆分后的列表元素加上明确的名称（比如size_2、size_3），可以用purrr的set_names：

library(purrr)

# 先提取所有唯一的组大小，再给列表命名
unique_sizes <- sort(unique(group_size_map$group_size))
split_by_size <- split_by_size %>%
  set_names(paste0("size_", unique_sizes))

关于group_split()的自定义拆分问题 #

group_split()本身不支持直接自定义拆分逻辑——它只能基于你group_by()指定的分组键来拆分数据。如果要实现非默认的拆分（比如按组大小），必须先把拆分依据（这里是组大小）转换成一个可分组的变量，再用group_by()指定这个变量后调用group_split()，这也是上面方案的核心思路。

内容的提问来源于stack exchange，提问作者Sudoh