R语言group_by后median函数计算异常问题排查求助

我编写了一个R语言函数用于按分组计算中位数：

varA<-rep(c(1:2),times=30)
df1<-data.frame(varA)
df1$var1 <- sample(500:1000, length(df1$varA))
df1 <- df1 %>% mutate(outcome=ifelse(varA==1, "Yes", "No"))

ctn_me<- function(df, var, group_var) {
  df[[group_var]]<-as.character(df[[group_var]])
  # df[[var]]<-as.numeric(df[[var]])
  tbl1<-df %>%
    bind_rows(mutate(., !!group_var := 'Total')) %>%
    dplyr::group_by(gpvar=.[[group_var]])%>%
    dplyr::summarise(
      median=median(.[[var]], na.rm = TRUE), 
      N = n())
  print(tbl1)
}

ctn_me(df1, "var1", "outcome")

运行后结果如下：

#### gpvar median   N
#### <chr>  <dbl> <int>
#### 1 No       734    30
#### 2 Total    734    60
#### 3 Yes      734    30

该函数能正确统计每组的行数，但中位数返回的是整体中位数而非分组中位数。而直接运行以下管道代码却能得到预期结果：

df1 %>% bind_rows(mutate(., outcome := 'Total')) %>%
  dplyr::group_by(outcome)%>%
  dplyr::summarise(
    median=median(var1, na.rm = TRUE), 
    N = n())

# A tibble: 3 x 3
#   outcome median     N
#   <chr>    <dbl> <int>
# 1 No        713     30
# 2 Total     734     60
# 3 Yes       788.    30

问题原因 #

核心问题出在dplyr分组后的变量引用方式：

• 在group_by和summarise中，使用.[[var]]会直接调用整个数据框的列数据，完全忽略dplyr的分组上下文，所以计算出的是全局中位数，而非当前分组的中位数。
• 直接管道代码中用var1是符合dplyr非标准求值规则的，会自动识别当前分组的子集数据。

修正方案 #

使用dplyr的{{}}（大括号插值）语法来处理函数参数，让函数内部的dplyr操作能正确识别分组上下文里的变量：

ctn_me<- function(df, var, group_var) {
  df[[group_var]]<-as.character(df[[group_var]])
  tbl1<-df %>%
    bind_rows(mutate(., {{group_var}} := 'Total')) %>%
    dplyr::group_by(gpvar = {{group_var}}) %>%
    dplyr::summarise(
      median=median({{var}}, na.rm = TRUE), 
      N = n())
  print(tbl1)
}

# 运行验证（设种子保证结果可复现）
set.seed(123)
varA<-rep(c(1:2),times=30)
df1<-data.frame(varA)
df1$var1 <- sample(500:1000, length(df1$varA))
df1 <- df1 %>% mutate(outcome=ifelse(varA==1, "Yes", "No"))

ctn_me(df1, var1, outcome)

运行结果 #

# A tibble: 3 x 3
  gpvar median     N
  <chr>  <dbl> <int>
1 No       710    30
2 Total    747    60
3 Yes      782    30

内容的提问来源于stack exchange，提问作者llxx2021