如何使用dplyr::across按组执行mutate完成生物量标准化？

需求说明 #

原始生物数据每行代表一个个体，包含字段：

• length_mm：体长数据
• site：站点标识，前缀D代表潜水采样，G代表抓斗采样
• log.afdw1至nonlin.sodw1：多列不同方法的生物量估计值

需要完成：

1. 按站点汇总所有生物量字段的总和
2. 根据采样类型（D/G）分别除以对应采样器面积（潜水用ek_area，抓斗用frame_area）
3. 避免拆分数据后再合并的繁琐操作，全程用dplyr管道实现

实现代码（两种场景） #

场景1：采样器面积存储在单独的映射表中

假设你有一个sampler_areas表，记录采样类型对应的面积：

# 示例采样器面积表
sampler_areas <- tibble(
  sampler_type = c("D", "G"),
  area = c(0.25, 0.1) # ek_area=0.25，frame_area=0.1
)

处理代码：

library(dplyr)

standardized_biomass <- bio_data %>%
  # 从site字段提取采样类型前缀
  mutate(sampler_type = substr(site, 1, 1)) %>%
  # 按站点+采样类型分组，批量汇总所有生物量字段
  group_by(site, sampler_type) %>%
  summarise(across(log.afdw1:nonlin.sodw1, sum, na.rm = TRUE), .groups = "drop") %>%
  # 关联采样器面积数据
  left_join(sampler_areas, by = "sampler_type") %>%
  # 批量标准化生物量，生成带_standardized后缀的新字段
  mutate(across(log.afdw1:nonlin.sodw1, ~ .x / area, .names = "{.col}_standardized")) %>%
  # 可选：保留核心结果字段
  select(site, sampler_type, ends_with("_standardized"))

场景2：采样器面积是固定常量

如果ek_area和frame_area是已知固定值，直接用case_when匹配：

library(dplyr)

# 定义固定采样器面积
ek_area <- 0.25
frame_area <- 0.1

standardized_biomass <- bio_data %>%
  mutate(sampler_type = substr(site, 1, 1)) %>%
  group_by(site, sampler_type) %>%
  summarise(across(log.afdw1:nonlin.sodw1, sum, na.rm = TRUE), .groups = "drop") %>%
  mutate(
    across(log.afdw1:nonlin.sodw1, 
           ~ case_when(
             sampler_type == "D" ~ .x / ek_area,
             sampler_type == "G" ~ .x / frame_area
           ),
           .names = "{.col}_standardized")
  )

关键逻辑说明 #

• substr(site, 1, 1)：直接从站点标识提取采样类型，无需拆分数据集
• across()：批量处理多列生物量字段，避免重复编写求和/标准化代码
• 全程用dplyr管道串联操作，保持代码简洁且易维护，不需要拆分再合并数据

内容的提问来源于stack exchange，提问作者dandrews