为何across()中~n()可用count不可用？能否用count替代？

问题1：为什么~ n()可行，count不可行？ #

• ~ n()是一个lambda匿名函数，在summarise配合across的语境里，n()是dplyr专门设计的聚合函数，它的作用是返回当前分组的总行数。你这里先做了drop_na()，整个数据集变成一个单一分组，所以不管across遍历到height还是mass列，n()都会返回这个分组的总行数，也就是两个变量的有效观测数，逻辑完全通顺。
• count()是作用于整个数据框的工具函数，它的核心功能是统计数据框内不同分组的频数（默认按所有列分组），它的第一个参数要求是数据框对象，而不是单个列的数值向量。当across把单个列（比如height的整数向量）传给count时，count没有处理这种单个向量的方法，所以直接抛出了类型不匹配的错误。

问题2：该场景下能否用count函数替代~ n()？ #

这个场景下不能直接用count替代~ n()，两者的设计定位完全不同：

• n()是为分组内行数统计设计的轻量聚合函数，专门用于summarise/across这类需要生成单个统计值的场景；
• count()的输出是一个新的数据框（包含分组和频数列），不是单个数值，没法嵌入across的列计算逻辑里。

如果硬要借助count得到有效观测数，只能先单独统计drop_na()后的总行数，再和后续的均值、标准差统计结果合并，但这完全是冗余操作，~ n()的写法已经是最简洁高效的方案。

内容的提问来源于stack exchange，提问作者Indy