dplyr函数传递变量名报错：mutate与fct_reorder使用问题

这个错误的核心是fct_reorder要求待排序的因子变量和用于排序的参考数值长度完全一致，你的问题主要出在两个点：

1. 混用了dplyr旧版的下划线语法（group_by_）和新版tidy eval（{{ }}），导致变量作用域混乱；
2. 聚合后的数据未保留待排序的因子列，直接引用原数据的变量，长度不匹配触发报错。

修正步骤 #

1. 替换旧版group_by_为标准tidy eval语法 #

dplyr的下划线后缀函数（如group_by_）是旧版非标准评估实现，现在已被{{ }}（大括号语法）取代，混用两者极易出现变量传递问题：

• 单个分组变量：把group_by_(.dots = group_vars)改成group_by({{ group_var }})
• 多个分组变量：用group_by(!!! syms(group_vars))（需先把字符向量转成符号）

2. 确保聚合结果保留待排序的因子列 #

fct_reorder的两个参数必须来自同一数据框（长度一致）。如果你的summarise只生成了统计值，没有保留{{fct1}}，后续在mutate里调用的{{fct1}}会指向原数据的变量，长度远大于聚合后的行数，直接触发length(f) == length(.x) is not TRUE错误。

你需要在summarise中用合适的聚合方式保留{{fct1}}（比如每个分组的fct1是唯一值的话，用first()/last()即可）。

修正后的函数示例 #

假设你的原函数结构如下：

library(dplyr)
library(forcats)

my_stats_func <- function(data, group_col, fct_col, value_col) {
  data %>%
    group_by_(.dots = group_col) %>%  # 旧版语法
    summarise(avg_val = mean({{ value_col }}, na.rm = TRUE)) %>%
    mutate({{ fct_col }} := fct_reorder({{ fct_col }}, avg_val))  # 报错位置
}

修正后的版本：

my_stats_func <- function(data, group_col, fct_col, value_col) {
  data %>%
    group_by({{ group_col }}) %>%  # 改用标准tidy eval分组
    summarise(
      avg_val = mean({{ value_col }}, na.rm = TRUE),
      {{ fct_col }} = first({{ fct_col }})  # 保留因子列到聚合结果
    ) %>%
    mutate({{ fct_col }} := fct_reorder({{ fct_col }}, avg_val)) %>%
    ungroup()  # 取消分组，避免后续操作受影响
}

额外注意事项 #

• 如果你的{{fct_col}}在分组内不是唯一值，需要先确认分组逻辑是否合理，或者用unique()等聚合函数确保每个分组只保留一个因子值；
• 所有变量传递统一用{{ }}语法，彻底抛弃旧版下划线函数，避免不必要的冲突。

内容的提问来源于stack exchange，提问作者user20453870