如何简化dplyr中summarise的重复分位数计算并优化结果格式？

先看示例数据：

example_data <- 
  data.frame(Group = rep(c("A", "B"), each = 5),
             Values = rnorm(10))

原代码重复调用quantile计算多个分位数，再转长格式，冗余且繁琐。下面是简化后的代码，同时满足用0.1/0.2等数值作为百分位数标识的需求：

library(dplyr)
library(tidyr)

# 简化版代码
example_data %>%
  group_by(Group) %>%
  reframe(
    Percentiles = seq(0.1, 0.9, by = 0.1),
    `Percentile Values` = quantile(Values, probs = Percentiles)
  )

简化思路： #

• 用seq(0.1, 0.9, by = 0.1)一次性生成所有需要的分位数概率，避免重复写9次quantile调用
• 直接把概率值作为Percentiles列的内容，不需要先生成p01这类命名再转格式，一步到位满足标识需求
• 使用reframe（dplyr 1.0.0及以上版本支持）直接生成分组后的多行结果，省去原代码里pivot_longer的步骤，逻辑更连贯

如果你的dplyr版本较低，也可以用summarise配合unnest实现：

example_data %>%
  group_by(Group) %>%
  summarise(
    Percentiles = list(seq(0.1, 0.9, by = 0.1)),
    `Percentile Values` = list(quantile(Values, probs = Percentiles[[1]]))
  ) %>%
  unnest(cols = c(Percentiles, `Percentile Values`))

内容的提问来源于stack exchange，提问作者Scott White