使用dplyr::summarise+across与purrr::map按前缀列分组求和异常

你的代码返回分组后结果完全相同的核心原因不是across的.cols参数（虽然这个参数选index完全没必要），而是sumfunction里直接引用了全局的dat，没有使用分组后的子数据框——不管怎么分组，函数都在计算整个数据集的pre/post列总和，自然每个分组结果一致。

核心问题拆解 #

1. sumfunction中的dat[glue("{.x}.pre")]直接调用全局数据集，而非分组后的子数据，导致分组逻辑彻底失效；
2. across(.cols = index完全多余：你不需要对index列做任何操作，这个参数的选择本身就是错误的使用场景。

正确写法 #

方法一：dplyr原生批量写法（推荐，更简洁） #

直接利用starts_with匹配前缀列，结合rowSums和sum实现分组求和：

dat %>%
  group_by(id) %>%
  summarise(
    across(all_of(var_names), ~ sum(rowSums(pick(starts_with(.x)), na.rm = TRUE)),
           .names = "{.col}")
  ) %>%
  ungroup()

方法二：修正你原有的purrr写法 #

调整sumfunction使其使用分组后的子数据框，同时去掉无效的across操作：

sumfunction <- map(
  var_names,
  ~function(.data){
    sum(.data[[glue::glue("{.x}.pre")]], .data[[glue::glue("{.x}.post")]], na.rm = TRUE)
  }
) %>% 
  setNames(var_names)

dat %>% 
  group_by(id) %>%
  summarise(!!!sumfunction) %>% 
  ungroup()

这里的关键是：

• 把函数参数改为.data，引用分组后的子数据集；
• 用!!!展开sumfunction，直接在summarise中生成对应列，无需借助across。

内容的提问来源于stack exchange，提问作者Marrrrie