group_by后summarize中自定义函数异常：所有分组结果一致

我有一份带聚类标签的点数据，想要计算每个聚类的点数和凸包面积。我写了一个计算单聚类凸包面积的函数，单独处理每个聚类时结果正确，但在dataframe %>% group_by() %>% summarize()链式调用中，函数没有按聚类分别计算面积，而是把整个数据集当成单个聚类计算，再把这个值返回给所有聚类。

示例数据集 #

x <- c(0, 0, 5, 5, 8, 8, 10, 10 )
y <- c(0, 5, 5, 0, 0, 5, 5, 0)
cluster <- c(1, 1, 1, 1, 2, 2, 2, 2)
dat.clustered <- data.frame(x, y, cluster)

## 每个聚类有4个点

聚类1是5×5的正方形，凸包面积为25；聚类2是2×5的矩形，面积为10。如果把所有点视为单个聚类，形成的是5×10的矩形，面积为50（这一点很关键）。

可以给每个聚类添加内部点，让场景更贴近实际聚类，同时验证n()在summarize()中能正常工作：

dat.clustered[nrow(dat.clustered) + 1,] <- c(2, 3, 1) # 聚类1内部
dat.clustered[nrow(dat.clustered) + 1,] <- c(4, 3, 1) # 聚类1内部
dat.clustered[nrow(dat.clustered) + 1,] <- c(9, 1, 2) # 聚类2内部

## 现在聚类1共有6个点，聚类2共有5个点

自定义凸包面积计算函数 #

Polygon()来自sp包，函数实现如下：

area.calc <- function(data){
  area = chull(data) %>%
    c(., .[1]) %>%
    data[.,] %>%
    .[, 1:2] %>%
    sp::Polygon(., hole = F) %>%
    .@area
  return(area)
}

函数单独调用验证 #

单独处理每个聚类或整个数据集时，函数结果正确：

area.calc(filter(dat.clustered, cluster == 1)) # 返回25
area.calc(filter(dat.clustered, cluster == 2)) # 返回10
area.calc(dat.clustered) # 返回50（整个数据集作为单个聚类）

分组调用时的异常结果 #

使用group_by()+summarize()调用函数时，得到错误结果：

clust.smy <- dat.clustered %>%
  group_by(cluster) %>%
  summarize(count = n(),
            area = area.calc(data = .))

返回结果：

# A tibble: 2 × 3
  cluster count  area
    <dbl> <int> <dbl>
1       1     6    50
2       2     5    50

可以看到，count返回的各聚类点数正确，但area都返回了整个数据集的凸包面积50，而不是对应聚类的面积。

预期结果 #

尝试的解决方法及问题 #

1. 使用cur_data()替代.
   尝试用cur_data()传递分组数据，出现错误：

clust.smy <- dat.clustered %>%
  group_by(cluster) %>%
  summarize(count = n(),
            area = area.calc(data = cur_data()))

错误信息：

Error in `summarize()`:
! Problem while computing `area = area.calc(data = cur_data())`.
ℹ The error occurred in group 1: cluster = 1.
Caused by error:
! error in evaluating the argument 'obj' in selecting a method for function 'coordinates': Can't subset elements past the end.
ℹ Locations 4, 2, 3, and 4 don't exist.
ℹ There is only 1 element.
Run `rlang::last_error()` to see where the error occurred.

2. 直接在summarize()中写管道逻辑
   不调用自定义函数，直接把计算逻辑写在summarize()里，结果依然错误：

clust.smy2 <- dat.clustered %>%
  group_by(cluster) %>%
  summarize(count = n(),
            area = (.) %>%
              chull() %>%
              c(., .[1]) %>%
              dat.clustered[.,] %>%
              .[, 1:2] %>%
              sp::Polygon(., hole = F) %>%
              .@area)

返回结果：

# A tibble: 2 × 3
  cluster count  area
    <dbl> <int> <dbl>
1       1     6    50
2       2     5    50

3. 用cur_data()替代.直接写逻辑
   把上述逻辑中的.换成cur_data()，结果变成两个聚类都返回聚类1的面积：

clust.smy2 <- dat.clustered %>%
  group_by(cluster) %>%
  summarize(count = n(),
            area = cur_data() %>%
              chull() %>%
              c(., .[1]) %>%
              dat.clustered[.,] %>%
              .[, 1:2] %>%
              sp::Polygon(., hole = F) %>%
              .@area)

返回结果：

> clust.smy2
# A tibble: 2 × 3
  cluster count  area
    <dbl> <int> <dbl>
1       1     6    25
2       2     5    25

会话信息 #

> sessionInfo()
R version 4.2.0 (2022-04-22 ucrt)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows 10 x64 (build 22000)

Matrix products: default

locale:
[1] LC_COLLATE=English_United States.utf8  LC_CTYPE=English_United States.utf8    LC_MONETARY=English_United States.utf8
[4] LC_NUMERIC=C                           LC_TIME=English_United States.utf8    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] dplyr_1.0.9 plyr_1.8.7 

loaded via a namespace (and not attached):
 [1] Rcpp_1.0.8.3     rstudioapi_0.13  magrittr_2.0.3   tidyselect_1.1.2 munsell_0.5.0    lattice_0.20-45  colorspace_2.0-3 R6_2.5.1        
 [9] rlang_1.0.6      factoextra_1.0.7 fansi_1.0.3      tools_4.2.0      grid_4.2.0       gtable_0.3.0     utf8_1.2.2       cli_3.4.1       
[17] DBI_1.1.3        ellipsis_0.3.2   assertthat_0.2.1 tibble_3.1.7     lifecycle_1.0.3  crayon_1.5.1     purrr_0.3.4      ggplot2_3.4.0   
[25] vctrs_0.5.1      ggrepel_0.9.2    glue_1.6.2       sp_1.5-1         compiler_4.2.0   pillar_1.7.0     generics_0.1.2   scales_1.2.0    
[33] pkgconfig_2.0.3

内容的提问来源于stack exchange，提问作者njero