如何在R的dplyr中用across函数筛选未被其他across捕获的剩余列？

需求场景 #

在使用dplyr进行数据汇总时，需要实现以下固定逻辑：

• 对所有字符型字段应用自定义函数first.if.unique（组内值唯一时取第一个值，否则返回NA）
• 对指定数值列（如mass）应用mean函数求均值
• 对剩余所有未被前两步处理的列应用sum函数求和
  由于列数量多且选择规则灵活，手动枚举剩余列效率极低，需要通用的实现方案。

通用解决方案 #

利用tidyselect的选择语法，在最后一个across中通过排除已处理列的方式自动选中剩余列，无需手动维护剩余列列表，完全适配列结构变化的场景：

1. 用where(is.character)选中所有字符列处理
2. 用any_of(cols_to_average)选中指定列处理
3. 用-c(where(is.character), all_of(cols_to_average))排除前两步的列，自动选中剩余列应用sum

示例代码 #

library(dplyr)

# 自定义函数：组内值唯一则取第一个，否则返回NA
first.if.unique = function(x) if(length(unique(x)) == 1) x[1] else NA

# 构造示例数据集
x = starwars %>% 
  select(species, sex, mass, height) %>% 
  head(10)

# 指定需要求均值的列
cols_to_average = c("mass")

# 通用汇总逻辑
x %>%
  group_by(sex) %>%
  summarise(
    # 处理字符型列
    across(where(is.character), first.if.unique),
    # 处理指定均值列（添加na.rm避免NA值干扰计算）
    across(any_of(cols_to_average), ~mean(.x, na.rm = TRUE)),
    # 处理剩余所有列（排除已处理的字符列和均值列）
    across(-c(where(is.character), all_of(cols_to_average)), sum),
    # 取消分组，返回普通tibble
    .groups = "drop"
  )

输入数据集 #

print(x)
#> # A tibble: 10 × 4
#>    species sex     mass height
#>    <chr>   <chr>  <dbl>  <int>
#>  1 Human   male      77    172
#>  2 Droid   none      75    167
#>  3 Droid   none      32     96
#>  4 Human   male     136    202
#>  5 Human   female    49    150
#>  6 Human   male     120    178
#>  7 Human   female    75    165
#>  8 Droid   none      32     97
#>  9 Human   male      84    183
#> 10 Human   male      77    182

预期输出 #

#> # A tibble: 3 × 4
#>   sex    species  mass height
#>   <chr>  <chr>   <dbl>  <int>
#> 1 female Human    62      315
#> 2 male   Human    98.8    917
#> 3 none   Droid    46.3    360

内容的提问来源于stack exchange，提问作者user425678