如何在R中使用准引用(Quasiquotation)实现group_by分组汇总？

方法1：使用dplyr的across函数（推荐） #

across是dplyr专为多列操作设计的函数，完美适配动态列名场景，无需循环，代码简洁高效：

library(dplyr)

list_columns <- c("x", "y")

df_demo %>% 
  group_by(year) %>% 
  summarise(across(all_of(list_columns), mean), .groups = "drop")

• all_of(list_columns)将字符向量转换为dplyr可识别的列引用
• .groups = "drop"等价于后续的ungroup()，分组后直接取消分组
• 自动保留原列名，输出结果与固定列名写法完全一致

方法2：修复原准引用代码 #

你的循环代码存在两个问题：未保存并合并循环结果，且左侧动态列名的语法有误。以下是修正后的版本：

library(dplyr)
library(rlang)

list_columns <- c("x", "y")

# 初始化结果表，先提取唯一的year值并排序
result <- df_demo %>% 
  distinct(year) %>% 
  arrange(year)

for(column_i in list_columns) {        
  column_sym <- sym(column_i)
  
  # 计算当前列的分组均值
  temp <- df_demo %>% 
    group_by(year) %>% 
    summarise(!!column_sym := mean(!!column_sym), .groups = "drop")
  
  # 将当前列的均值合并到结果表
  result <- result %>% 
    left_join(temp, by = "year")
}

result

• 使用!!column_sym :=是dplyr准引用中动态列名赋值的正确语法
• 每次循环生成单列的均值表，再通过left_join合并到总结果表，确保所有列的均值在同一表中

方法3：使用data.table原生语法（大数据量更高效） #

由于你的数据是data.table类型，直接用其原生语法处理效率更高：

library(data.table)

list_columns <- c("x", "y")

df_demo[, lapply(.SD, mean), by = year, .SDcols = list_columns]

• .SD代表数据子集（Subset of Data），即指定的列集合
• .SDcols = list_columns明确要计算均值的列
• lapply(.SD, mean)对指定列逐一应用均值函数
• by = year按year分组计算

内容的提问来源于stack exchange，提问作者Andrii