R语言自定义分组汇总函数忽略分组 统计结果一致问题排查

函数失效的核心原因是dplyr非标准求值机制在函数环境下未正确解析传入列名：直接传入fm_bdc3作为参数时，mean(x, na.rm=TRUE)没有在分组数据框内按组提取对应列的子集计算，而是直接读取全局环境下的完整列向量做统计，最终两组输出的都是全样本的统计值，自然完全一致。
另外原函数存在硬编码问题：标准误、置信区间计算时写死了样本量11和自由度10，仅适配当前示例数据，一旦分组样本量变化、或存在缺失值剔除的情况，结果会直接出错。

方案1：单列统计最简版 #

如果每次只需要统计1列，用{{ }}（curly-curly操作符）透传传入的列名即可，同时把硬编码的样本量替换为每组实际计数，代码如下：

library(dplyr)
summbygrp_single <- function(df, x) {
  df %>%
    group_by(group) %>%
    summarise(
      count = n(),
      mean = mean({{x}}, na.rm = TRUE),
      sd = sd({{x}}, na.rm = TRUE)
    ) %>%
    mutate(
      se = sd / sqrt(count),
      lower.ci = mean - qt(1 - (0.05 / 2), count - 1) * se,
      upper.ci = mean + qt(1 - (0.05 / 2), count - 1) * se
    )
}

调用方式：

summbygrp_single(dexadf, fm_bdc3)

输出和你手动运行的正确结果完全一致：

# A tibble: 2 × 7
  group count  mean    sd    se lower.ci upper.ci
  <fct> <int> <dbl> <dbl> <dbl>    <dbl>    <dbl>
1 c        11  19.3  5.49  1.66     15.6     23.0
2 e        11  21.9  5.40  1.63     18.2     25.5

方案2：多列批量统计版 #

针对你提到的“待统计列多、逐列写效率低”的需求，用across()支持一次传入多列批量计算，不用重复写函数调用：

summbygrp <- function(df, ...) {
  df %>%
    group_by(group) %>%
    summarise(
      across(c(...), 
             list(
               count = ~n(),
               mean = ~mean(.x, na.rm = TRUE),
               sd = ~sd(.x, na.rm = TRUE)
             ),
             .names = "{.col}_{.fn}")
    ) %>%
    mutate(n_temp = across(ends_with("_count"))[[1]]) %>%
    mutate(across(ends_with("_mean"), 
                  .fns = list(
                    se = ~ get(sub("_mean", "_sd", cur_column())) / sqrt(n_temp),
                    lower.ci = ~ .x - qt(1 - 0.05/2, n_temp -1) * get(sub("_mean", "_se", cur_column())),
                    upper.ci = ~ .x + qt(1 - 0.05/2, n_temp -1) * get(sub("_mean", "_se", cur_column()))
                  ),
                  .names = "{.col}_{.fn}")) %>%
    select(-n_temp)
}

调用方式：

• 统计单列：summbygrp(dexadf, fm_bdc3)
• 统计多列：直接把所有待统计列逗号分隔传入即可，例如summbygrp(dexadf, fm_bdc3, fm_xxx, fm_yyy)，一次输出所有列的分组统计结果。

内容的提问来源于stack exchange，提问作者aguan3