如何将两段按任务（task）与部门（department）分组的dplyr汇总代码合并为一段

嘿，这事儿超简单！你不需要分开写两次分组汇总，直接把两个计算逻辑合并到同一个summarise()调用里就行——这样既减少了重复的分组操作，代码也更简洁易读。

合并后的完整代码如下：

df %>% 
  group_by(task, department) %>% 
  summarise(
    total_production = across(.cols = production, .fns = sum, na.rm = TRUE),
    avg_hours = across(.cols = hours, .fns = mean, na.rm = TRUE),
    .groups = "drop"  # 可选：如果不需要保留分组状态，加上这个参数取消分组
  )

代码说明： #

• 我们依然用group_by(task, department)完成分组，这只需要执行一次
• 在summarise()里，我们分别定义两个新列：
  • total_production：通过across()对production列执行sum计算，同时忽略缺失值
  • avg_hours：通过across()对hours列执行mean计算，同样忽略缺失值
• 可选的.groups = "drop"参数：如果你的后续操作不需要保留分组结构，加上它可以自动取消分组，避免后续操作出现意外的分组行为

另外，还有一种更简洁的写法，直接在across()里用命名列表指定不同列对应的函数，效果完全一样：

df %>% 
  group_by(task, department) %>% 
  summarise(
    across(production, sum, na.rm = TRUE, .names = "total_{.col}"),
    across(hours, mean, na.rm = TRUE, .names = "avg_{.col}"),
    .groups = "drop"
  )

这里用.names参数自动生成列名，比如production会变成total_production，hours会变成avg_hours，省去了手动命名的麻烦。

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