dtplyr与dplyr多列分组差异：lapply循环中across报错问题

问题场景 #

在dplyr中可正常通过lapply循环对变量组合执行分组筛选：

library(dplyr)
mycolumns= c("Wind", "Month", "Ozone", "Solar.R")
columnpairs <- as.data.frame(combn(mycolumns, 2))

result_dplyr <- lapply(columnpairs, function(x) {
  airquality %>% 
    select(all_of(x)) %>% 
    group_by(across(all_of(x))) %>% filter(n() > 1)
  }
)

但切换到dtplyr的lazy_dt后，相同语法会抛出Error in all_of():! object 'x' not found错误：

library(dtplyr)
airq <- lazy_dt(airquality)

lapply(columnpairs, function(x) {
  airq %>% select(all_of(x)) %>% 
    group_by(across(all_of(x))) %>% filter(n() > 1)
})

解决思路 #

方法1：使用rlang符号拼接替代across #

利用rlang包的syms()将字符向量转换为符号，再通过!!!拼接传入group_by，绕过dtplyr的非标准评估（NSE）环境问题：

library(dtplyr)
library(rlang)
airq <- lazy_dt(airquality)

result_dtplyr <- lapply(columnpairs, function(x) {
  airq %>% 
    select(all_of(x)) %>% 
    group_by(!!!syms(x)) %>% 
    filter(n() > 1) %>%
    as_tibble()  # 按需转换为普通数据框
})

方法2：临时转换为普通数据框 #

如果不需要保留lazy_dt的懒加载特性，可以在循环内先将lazy_dt转为tibble，沿用dplyr的原有语法：

library(dtplyr)
airq <- lazy_dt(airquality)

result_dtplyr <- lapply(columnpairs, function(x) {
  airq %>% 
    as_tibble() %>% 
    select(all_of(x)) %>% 
    group_by(across(all_of(x))) %>% 
    filter(n() > 1)
})

方法3：直接使用data.table原生语法 #

既然dtplyr底层依赖data.table，直接使用data.table的分组语法更稳定高效：

library(data.table)
airq_dt <- as.data.table(airquality)

result_dt <- lapply(columnpairs, function(x) {
  airq_dt[, .SD[.N > 1], by = x]
})

报错原因 #

dtplyr在处理非标准评估（NSE）时与dplyr存在实现差异，across()在lazy_dt的group_by()中无法正确捕获循环变量x的执行环境，导致变量找不到。上述方法通过调整语法或切换底层实现，规避了这个环境绑定问题。

内容的提问来源于stack exchange，提问作者gaut