如何在单条dplyr管道中两次调用distinct等函数完成数据聚合

你不需要拆分数据集生成df1/df2两个中间变量，也不需要在distinct()后恢复原始数据，核心思路是提前在原始数据集上标记不同去重规则下的保留行，再一次性完成分组汇总，全程可以在单条管道内跑完，无重复代码。

最简实现（无额外依赖，和原代码输出完全一致） #

直接用duplicated()标记两个去重规则对应的保留行，分组后分别计算均值即可：

library(dplyr)

final_result <- iris %>%
  mutate(
    # 标记distinct(Species, .keep_all = TRUE)对应的保留行
    keep_for_mean1 = !duplicated(Species),
    # 标记distinct(Species, Petal.Width, .keep_all = TRUE)对应的保留行
    keep_for_mean2 = !duplicated(paste(Species, Petal.Width))
  ) %>%
  group_by(Petal.Width) %>%
  summarise(
    Sepal.Length.mean1 = mean(Sepal.Length[keep_for_mean1]),
    Sepal.Length.mean2 = mean(Sepal.Length[keep_for_mean2]),
    .groups = "drop"
  )

这个写法全程不会修改原始数据集的行，只是给行加了逻辑标记，自然不存在distinct()后无法恢复初始数据的问题，代码重复度为0，可读性也比拆分中间表更高。

多规则扩展写法 #

如果后续需要新增更多不同去重粒度的汇总逻辑，可以用列表批量传入去重规则，自动处理后合并结果，同样全程单管道：

library(dplyr)
library(purrr)

final_result <- list(
  mean1 = "Species",
  mean2 = c("Species", "Petal.Width")
) %>%
  imap(~{
    iris %>%
      distinct(across(all_of(.x)), .keep_all = TRUE) %>%
      group_by(Petal.Width) %>%
      summarise("Sepal.Length.{.y}" := mean(Sepal.Length), .groups = "drop")
  }) %>%
  reduce(inner_join, by = "Petal.Width")

这个写法适合3种及以上去重规则的场景，如果只有2种规则，优先用第一种标记法，逻辑更直观。

内容的提问来源于stack exchange，提问作者monotonic