如何用across()替代summarise_at()实现分组加权均值聚合？

嗨，我来帮你搞定这个问题！你想用across()替换已经被弃用的summarise_at()来计算分组加权均值，关键是要正确传递weighted.mean()的权重参数——直接放函数名是行不通的，得用匿名函数或者公式语法来处理参数传递。

先给你直接能用的正确代码：

library(dplyr)

# 定义你的数据框
df <- data.frame(
  number = c("a","a","a","b","c","c"), 
  y = c(1,2,3,4,1,7), 
  z = c(2,2,6,8,9,1), 
  weight = c(1,1,3,1,2,1)
)

# 用across()实现分组加权均值
aggregate <- df %>%
  group_by(number) %>%
  summarise(across(c(y, z), ~weighted.mean(.x, w = weight)), .groups = "drop")

关键细节说明： #

• 列选择逻辑：across(c(y, z))明确指定要计算加权均值的目标列，如果你有更多同类型列，也可以用更灵活的选择器，比如where(is.numeric) & !matches("weight")，能自动选中所有数值型且不是权重的列。
• 权重参数传递：~weighted.mean(.x, w = weight)用公式语法定义了匿名函数，其中.x代表across()当前迭代处理的列，这样就能把weight列作为权重参数传递给weighted.mean()——这正是你之前尝试时缺失的核心步骤，像mean这类无额外参数的函数可以直接写，但带参数的函数必须用这种方式传递参数。

可选优化：给结果列加清晰后缀 #

如果想让输出的列名更直观，比如加上_weighted_mean后缀，可以这样调整代码：

aggregate <- df %>%
  group_by(number) %>%
  summarise(across(c(y, z), list(weighted_mean = ~weighted.mean(.x, w = weight))), .groups = "drop")

这样输出的列名会变成y_weighted_mean和z_weighted_mean，可读性更强。

关于.groups = "drop" #

这个参数是可选的，它会在聚合完成后自动取消分组状态；如果你的后续操作还需要保留分组，可以直接去掉这个参数。

内容的提问来源于stack exchange，提问作者titeuf