在dplyr中遍历字符向量变量名实现分组统计并正确设置新列名的技术问询

你的问题核心在于没有动态生成对应变量名的结果列，以及错误使用map_dfc导致分组列重复。下面给你两种简洁的解决方案，分别用dplyr的批量处理和改进后的purrr方法实现：

方法一：用dplyr::across直接批量处理（推荐） #

这是最简洁高效的方式，不需要循环或额外函数，直接利用dplyr的批量处理能力完成所有计算：

library(dplyr)

# 定义要计算的变量列表
variables <- c("w", "x", "y", "z")

# 分组计算均值和标准差，动态生成列名
means <- input %>%
  group_by(alpha) %>%
  summarise(
    # 对每个变量计算mean和sd，列名格式为"变量名_函数名"
    across(all_of(variables), list(mean = mean, sd = sd), .names = "{.col}_{.fn}")
  )

# 可选：调整列名和顺序，匹配你想要的格式（把_mean后缀去掉，alpha放最前）
means <- means %>%
  select(alpha, ends_with("_mean"), ends_with("_sd")) %>%
  rename_with(~stringr::str_remove(.x, "_mean"), ends_with("_mean"))

运行后你会得到完全符合需求的结果：alpha列唯一，后面依次是w、x、y、z（均值），再是sd_w、sd_x、sd_y、sd_z（标准差）。

方法二：改进原函数+purrr合并 #

如果你想保留原有的函数思路，只需要修改函数让它动态生成列名，再用left_join合并结果而不是map_dfc：

library(dplyr)
library(purrr)

# 修改后的calc函数：动态生成对应变量名的列
calc <- function(df, parameter, variable_name){
  variable <- sym(variable_name)
  df %>% 
    group_by(.data[[parameter]]) %>% 
    summarise(
      # 用!!和:=动态命名列
      !!variable_name := mean(!!variable),
      !!paste0("sd_", variable_name) := sd(!!variable)
    )
}

# 用map生成每个变量的结果，再用reduce+left_join按alpha合并
means <- map(variables, ~calc(input, "alpha", .x)) %>%
  reduce(left_join, by = "alpha")

原代码问题分析 #

1. 列名固定：原函数里summarise的列名是硬编码的variable和sd_variable，导致每个变量的结果列名完全相同，无法区分。
2. 合并方式错误：map_dfc是按列绑定，会保留每个结果里的alpha列，自然导致重复；而用left_join按alpha合并，就能保证分组列唯一。

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