如何在dplyr分组聚合时对含B的列取分位数，其余列取均值？

你可以通过两种方式实现需求，无需创建额外的dataframe，直接在原dplyr管道中完成：

方法一：单across内按列名判断逻辑 #

利用cur_column()获取当前处理的列名，在across的函数中通过条件判断选择计算方式：

library(dplyr)    

df <- data.frame(mydate=as.Date(c("2000-01-15", "2000-02-15", "2000-03-15")), columnA=c(2, 4, 5), columnB=c(3, 6, 7))

df %>%
  mutate(year = format(mydate, "%Y")) %>%
  group_by(year) %>%
  summarise(
    across(
      where(is.numeric),
      ~ if_else(grepl("B", cur_column(), fixed = TRUE),
                quantile(.x, probs = 0.9, na.rm = TRUE),
                mean(.x, na.rm = TRUE))
    ),
    .groups = "drop" # 可选，聚合后取消分组状态
  )

• cur_column()是dplyr内置函数，用于在across内部获取当前列的名称
• if_else根据列名是否包含"B"，分别执行分位数计算或均值计算
• .groups = "drop"可以避免后续操作受分组状态影响，按需添加

方法二：拆分across分别处理列 #

这种方式可读性更强，通过matches("B")匹配列名，拆分两个across分别处理不同列：

df %>%
  mutate(year = format(mydate, "%Y")) %>%
  group_by(year) %>%
  summarise(
    # 处理列名含"B"的数值列
    across(
      where(is.numeric) & matches("B"),
      ~ quantile(.x, probs = 0.9, na.rm = TRUE)
    ),
    # 处理其余数值列
    across(
      where(is.numeric) & !matches("B"),
      ~ mean(.x, na.rm = TRUE)
    ),
    .groups = "drop"
  )

• matches("B")用于匹配列名包含"B"的列，结合where(is.numeric)筛选出目标数值列
• 两个across分别执行不同的聚合逻辑，结果会自动合并到同一结果集中

说明 #

你之前的错误在于试图用ifelse包裹整个summarise操作，这不符合dplyr的管道逻辑。正确的做法是将条件判断放在across内部的列级处理逻辑中，或是拆分across分别处理不同列组。

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