dplyr管道中summarise内多个across的求值时序问题

问题背景 #

你遇到的核心问题是：在dplyr的summarise()中，多个across()调用的执行顺序会影响结果——调换两个across的顺序后输出不同。

两段对比代码：
第一段代码：

data(iris)

iris_summary <- iris %>%
  group_by(Species) %>%
  summarise(
    across(
      .cols = starts_with("Sepal"), 
      .fns = mean
    ),
    across(
      .cols = starts_with("Petal"),
      .fns = ~ .x[which.max(Sepal.Length)]
    )
  )

第二段代码：

iris_summary_2 <- iris %>%
  group_by(Species) %>%
  summarise(
    across(
      .cols = starts_with("Petal"),
      .fns = ~ .x[which.max(Sepal.Length)]
    ),
    across(
      .cols = starts_with("Sepal"), 
      .fns = mean
    )
  )

你的疑问：这是否是求值时序问题？原本期望两个across都基于管道上一步的原始数据求值，但结果显示第二个across似乎用了第一个across生成的Sepal.Length而非原始数据。如何在不改变代码结构的前提下强制使用原始分组数据？

原因分析 #

是的，这完全是求值顺序导致的问题。在dplyr的summarise()中：

• 所有表达式（包括across()调用）按书写顺序依次执行
• 每执行完一个表达式，生成的新列会立即加入到当前的临时结果数据框中
• 后续的表达式默认从这个更新后的临时数据框中读取列，而非始终引用分组前的原始数据

具体到你的例子：

• 第一段代码中，第一个across先执行，生成了Sepal.Length（分组均值，单值）；第二个across里的which.max(Sepal.Length)会读取这个单值，which.max()对单值返回1，因此取的是每组Petal列的第一个值，而非原始数据中Sepal.Length最大值对应的Petal值。
• 第二段代码中，第一个across先执行时，临时数据框里还没有新的Sepal.Length列，所以which.max(Sepal.Length)读取的是原始分组后的Sepal.Length向量，能正确找到最大值对应的位置，结果符合预期。

解决方案（不改变代码结构） #

要强制后续across引用分组后的原始数据，可以使用cur_data()函数——它会返回当前分组的原始数据（不受前面summarise步骤生成的新列影响）。

修改第一段代码如下：

data(iris)

iris_summary <- iris %>%
  group_by(Species) %>%
  summarise(
    across(
      .cols = starts_with("Sepal"), 
      .fns = mean
    ),
    across(
      .cols = starts_with("Petal"),
      .fns = ~ .x[which.max(cur_data()$Sepal.Length)]
    )
  )

这样无论两个across的顺序如何，第二个across都会从原始分组数据中读取Sepal.Length向量，结果会和第二段代码完全一致。

内容的提问来源于stack exchange，提问作者emaoca