如何编写支持任意长度列名字符向量的灵活分组R函数

问题背景 #

需要编写一个函数，接收tibble对象和任意长度的列名字符向量，执行分组聚合操作。现有实现仅支持0、1、2列，尝试!!as.name()或{{}}均无法适配任意长度的列名向量：

• !!as.name(group_by_cols)仅取向量第一个元素，忽略其余列
• {{group_by_cols}}在向量长度不为1时直接报错

解决方案 #

方法1：使用.data代词 + all_of()（推荐） #

tidyverse 1.0+推荐使用.data代词配合all_of()引用字符向量中的列名，这种方式直观且符合现代tidyverse规范：

library(tidyverse)

ex = crossing(abc=LETTERS[1:3], xyz=LETTERS[24:26]) %>% mutate(n = row_number())

group_flexibly = function(tbl, group_by_cols = character(0)) {
  tbl %>%
    group_by(across(all_of(group_by_cols))) %>%
    summarize(.groups='keep', mean_n = mean(n))
}

方法2：使用rlang的syms() + !!!解引用 #

通过syms()将字符向量转换为符号列表，再用!!!（解引用运算符）将其展开为group_by()的多个参数：

group_flexibly = function(tbl, group_by_cols = character(0)) {
  tbl %>%
    group_by(!!!syms(group_by_cols)) %>%
    summarize(.groups='keep', mean_n = mean(n))
}

测试验证 #

运行以下测试代码，结果与预期一致：

group_flexibly(ex)
group_flexibly(ex, 'abc')
group_flexibly(ex, 'xyz')
group_flexibly(ex, c('abc','xyz'))

输出示例：

> group_flexibly(ex)
# A tibble: 1 × 1
  mean_n
   <dbl>
1      5
> group_flexibly(ex, 'abc')
# A tibble: 3 × 2
# Groups:   abc [3]
  abc   mean_n
  <chr>  <dbl>
1 A          2
2 B          5
3 C          8
> group_flexibly(ex, 'xyz')
# A tibble: 3 × 2
# Groups:   xyz [3]
  xyz   mean_n
  <chr>  <dbl>
1 X          4
2 Y          5
3 Z          6
> group_flexibly(ex, c('abc','xyz'))
# A tibble: 9 × 3
# Groups:   abc, xyz [9]
  abc   xyz   mean_n
  <chr> <chr>  <dbl>
1 A     X          1
2 A     Y          2
3 A     Z          3
4 B     X          4
5 B     Y          5
6 B     Z          6
7 C     X          7
8 C     Y          8
9 C     Z          9

原理解释 #

• across(all_of(group_by_cols))：all_of()将字符向量中的每个元素解析为数据框的列名，across()把这些列传递给group_by()，完美适配任意长度的列名向量
• !!!syms(group_by_cols)：syms()将字符向量转为符号对象列表，!!!将列表展开为group_by()的独立参数，等价于手动逐个传入列名

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