如何用dplyr批量提取多数据框指定值并存储到全局环境？

问题背景 #

需要将每个物种的max_v1和max_v2提取为全局环境中的单个标量变量，用于后续绘图，避免手动逐个处理大量物种的重复工作。

示例数据 #

df <- data.frame (spp  = c("spp1", "spp2", "spp3", "spp4","spp1", "spp2", "spp3", "spp4"),
                  v1 = c("2", "4", "6", "8", "9", "3", "4", "5"),
                  v2 = c(".6", ".8", ".9", ".65", ".7", ".8", ".5", ".3")
)

原方法的局限 #

原步骤先将每个物种的汇总结果拆分为单独数据框，再手动提取极值，效率极低，不适用于大量物种的场景：

# 原步骤1：生成单个物种的数据框
df %>% 
  group_by(spp) %>% 
  summarise(max_v1 = max(v1), 
            max_v2 = max(v2)) %>% 
  group_split(spp) %>% 
  setNames(unique(df$spp)) %>%
  list2env(envir = globalenv())

# 原步骤2：手动提取单个值（仅示例，不适用于大量物种）
spp1_max_v1 <- spp1 %>% select(max_v1) %>% pull()
spp1_max_v2 <- spp1 %>% select(max_v2) %>% pull()

最优批量处理方法（dplyr实现） #

直接从汇总数据一步生成目标标量变量，同时修正原数据中字符型数值导致的极值计算错误：

library(dplyr)
library(tidyr)

# 1. 转换数值类型并计算每个物种的极值
summary_df <- df %>%
  mutate(across(c(v1, v2), as.numeric)) %>%  # 修正字符型数值的计算偏差
  group_by(spp) %>%
  summarise(max_v1 = max(v1), max_v2 = max(v2))

# 2. 批量生成目标变量并导入全局环境
summary_df %>%
  pivot_longer(cols = -spp, names_to = "stat", values_to = "value") %>%  # 转成长格式统一处理
  mutate(var_name = paste(spp, stat, sep = "_")) %>%  # 生成规范变量名（如spp1_max_v1）
  select(var_name, value) %>%
  tibble::deframe() %>%  # 转换为"变量名-对应值"的列表结构
  list2env(envir = globalenv())  # 将列表导入全局环境

效果验证 #

执行后全局环境会自动生成8个标量变量：spp1_max_v1、spp1_max_v2、spp2_max_v1、spp2_max_v2、spp3_max_v1、spp3_max_v2、spp4_max_v1、spp4_max_v2，可直接用于后续绘图或分析。

内容的提问来源于stack exchange，提问作者treelady