如何在dplyr中结合summarize与summarise_if实现分组聚合

你可以在同一个summarise()调用中同时完成分组计数和数值变量的汇总，不需要拆分两步。这里推荐使用dplyr的across()函数（替代已软弃用的summarise_if()），代码如下：

library(dplyr)

# 加载数据集
data("iris")

# 一步完成分组计数+数值变量汇总
iris_summary <- iris %>%
  group_by(Species) %>%
  summarise(
    观测数 = n(),  # 统计每组的观测数量，列名可自定义
    # 对所有数值型变量计算均值，可替换为sum、median、max等函数
    across(where(is.numeric), mean, .names = "均值_{.col}")
  )

print(iris_summary)

代码说明 #

• group_by(Species)：按Species列分组
• n()：直接生成每组的观测计数
• across(where(is.numeric), ...)：自动识别所有数值型变量，对其应用指定的汇总函数（这里用mean做示例），.names参数可以自定义汇总后的列名格式，让结果更清晰

如果你仍想使用旧版的summarise_if()，可以这么写：

iris_summary <- iris %>%
  group_by(Species) %>%
  summarise(
    观测数 = n(),
    # 调用summarise_if并移除重复的Species列
    !!!summarise_if(., is.numeric, mean) %>% select(-Species)
  )

为什么分步执行会出错 #

如果先单独执行summarise(n = n())，此时分组后的数据集仅保留Species和计数列，原有的数值变量已经被丢弃，后续的summarise_if()找不到需要汇总的数值变量，因此会出现错误。必须在同一个summarise()步骤中同时完成两项操作，才能保留所有需要处理的变量。

内容的提问来源于stack exchange，提问作者Olympia