如何用dplyr的across获取分组后关联最大列值的其他列数据

正确的across写法 #

你可以用以下两种方式实现目标，结果和逐列写法完全一致：

方式一：用across配合.data代词（明确分组上下文） #

library(dplyr)
data(iris)

iris_summary <- iris %>%
  group_by(Species) %>%
  summarise(
    max_sep_length = max(.data$Sepal.Length),
    # 用.data明确引用分组内的Sepal.Length，避免上下文混淆
    across(Sepal.Width:Petal.Width, ~ .x[which.max(.data$Sepal.Length)]),
    .groups = "drop"  # 可选，取消分组状态，得到普通数据框
  )

方式二：用slice_max先定位目标行（更直观） #

这种写法先直接筛选出每组Sepal.Length最大的行，再整理列，逻辑更清晰，不容易出错：

iris_summary <- iris %>%
  group_by(Species) %>%
  slice_max(Sepal.Length, n = 1) %>%  # 取每组Sepal.Length最大的1行
  rename(max_sep_length = Sepal.Length) %>%  # 重命名最大值列
  select(Species, max_sep_length, Sepal.Width:Petal.Width)  # 选择需要的列

你之前的across写法出问题的原因 #

你提到结果行数和原iris相同，核心问题是上下文引用歧义：在across的匿名函数中，Sepal.Length没有被正确识别为当前分组内的列，而是被当成了全局列，导致which.max(Sepal.Length)返回全局索引而非组内索引，最终summarise无法按组压缩结果。

用.data$Sepal.Length明确指定引用当前分组的列，就能解决这个问题；而slice_max的写法完全绕开了索引引用的坑，更适合新手或复杂场景。

验证结果 #

不管用哪种写法，最终的iris_summary都会是3行（对应3个物种），每行包含该物种的Sepal.Length最大值，以及对应的其他列数值，和你手动逐列编写的summarise结果完全一致。

内容的提问来源于stack exchange，提问作者emaoca