如何在dplyr的summarise中复用自定义分组汇总函数

我有一个数据框，需要应用自定义分组汇总逻辑：如果每组的最大值大于等于指定阈值，就用该组的最大值；否则用平均值。初始实现代码如下：

library(tidyverse)

dat <- data.frame(grp = c("a", "a", "a", "b", "b"),
           vals = c(115, 100, 101, 90, 100))

dat %>% 
  group_by(grp) %>% 
  summarise(new_val = case_when(max(vals) >= 100 ~ max(vals),
                                TRUE ~ mean(vals)))

但我想复用这个逻辑，并且能灵活更换阈值，不想重复硬编码。尝试了以下自定义函数但无法运行：

sumFunc <- function(max_val) {
  case_when(max(vals) >= max_val ~ max(vals),
            TRUE ~ mean(vals))
}

dat %>% 
  group_by(grp) %>% 
  summarise(new_val = sumFunc(100))

请问如何正确创建可复用的自定义函数？

问题根源是自定义函数未明确接收数据列参数，无法在dplyr的分组上下文里识别vals列。以下是几种可行的实现方式：

方法1：基础自定义函数（单列处理） #

让函数同时接收要计算的列和阈值参数，明确在函数内部处理列数据：

sumFunc <- function(col, max_val) {
  col_max <- max(col, na.rm = TRUE)
  if (col_max >= max_val) col_max else mean(col, na.rm = TRUE)
}

# 使用示例（阈值100）
dat %>% 
  group_by(grp) %>% 
  summarise(new_val = sumFunc(vals, 100))

# 更换阈值为95的示例
dat %>% 
  group_by(grp) %>% 
  summarise(new_val = sumFunc(vals, 95))

添加na.rm = TRUE是为了处理数据中可能存在的缺失值，提升函数鲁棒性。

方法2：适配across的函数（多列批量处理） #

如果需要对多列应用该逻辑，可以编写嵌套函数配合across使用，方便批量操作：

sumFunc_across <- function(max_val) {
  function(col) {
    col_max <- max(col, na.rm = TRUE)
    col_max >= max_val ? col_max : mean(col, na.rm = TRUE)
  }
}

# 对vals列应用，阈值100
dat %>% 
  group_by(grp) %>% 
  summarise(across(vals, sumFunc_across(100), .names = "new_{col}"))

# 同时对多列应用（假设数据有vals1、vals2列）
# dat %>% 
#   group_by(grp) %>% 
#   summarise(across(c(vals1, vals2), sumFunc_across(100), .names = "new_{col}"))

方法3：支持字符串列名的函数（灵活指定列） #

如果需要通过字符串传递列名，可以用rlang的准引用工具实现：

sumFunc_quo <- function(col_name, max_val) {
  col <- rlang::ensym(col_name)
  dat %>% 
    group_by(grp) %>% 
    summarise(new_val = case_when(
      max(!!col) >= max_val ~ max(!!col),
      TRUE ~ mean(!!col, na.rm = TRUE)
    ))
}

# 使用示例
sumFunc_quo("vals", 100)

内容的提问来源于stack exchange，提问作者DJC