为何purrr::map无法按Book分组正确映射函数到拆分数据集？

你的问题核心是自定义函数未基于当前分组的ID和Book做限定处理，导致每次调用函数时都匹配了全局的完整数据，而非对应分组的内容。以下是具体分析和修复步骤：

可能的遗漏点 #

1. 函数未接收分组参数：如果int_value函数定义时没有将分组数据作为入参，map调用时无法将拆分后的分组传入，函数会始终使用全局的df_all/df_alt，导致所有分组结果一致。
2. 未过滤df_alt的分组范围：即便函数接收了分组数据，若未根据当前分组的ID和Book过滤df_alt，会匹配到所有Book下的交集数据，而非当前分组的内容。
3. 交集条件未绑定Book：如果实际需要按ID+Book+Team+Points做交集，但函数内仅用ID/Team/Points匹配，会出现跨Book的错误匹配。

修复方案 #

1. 修正自定义函数 #

确保函数接收分组数据，并基于当前分组的ID和Book限定df_alt的处理范围：

int_value <- function(group_df) {
  # 提取当前分组的唯一ID和Book值
  current_id <- unique(group_df$ID)
  current_book <- unique(group_df$Book)
  
  # 过滤df_alt到当前分组的范围
  alt_subset <- df_alt %>% 
    filter(ID == current_id, Book == current_book)
  
  # 计算当前分组与df_alt对应子集的交集
  intersect_data <- inner_join(group_df, alt_subset, 
                              by = c("ID", "Team", "Points"))
  
  # 整合原分组数据与交集结果（示例：标记交集行）
  group_df %>% 
    mutate(is_intersection = row_number() %in% intersect_data$row_number.y)
}

2. 验证分组拆分正确性 #

先确认group_split确实按ID和Book拆分了数据：

df_all %>% 
  group_split(ID, Book) %>% 
  map(~distinct(., ID, Book))

若输出的每个分组都对应唯一的ID+Book组合，说明拆分逻辑正常。

3. 改用group_modify简化流程 #

相比group_split + map，group_modify更贴合分组处理场景，自动将每个分组传入函数，减少手动拆分的出错概率：

df_all %>% 
  group_by(ID, Book) %>% 
  group_modify(~int_value(.x)) %>% 
  ungroup()

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