R语言如何修改自定义汇总函数使其支持%>%管道操作

我编写了一款可快速完成汇总运算的自定义函数，支持计算均值、中位数、几何均值，结果会按样本量n降序排列，初始函数定义如下：

summarize_values <- function(tbl, variable){
  tbl %>% 
    summarize(summarized_mean = mean({{variable}}),
              summarized_median = median({{variable}}),
              geom_mean = exp(mean(log({{variable}}))),
              n = n()) %>% 
    arrange(desc(n))
}

目前直接调用summarize_values(data, lifeExp)可正常运行，但需要让函数适配dplyr生态的%>%管道操作，覆盖两类使用场景：

• 场景1：数据经select等预处理步骤后，直接在管道末尾传入无额外参数的summarize_values()完成计算
• 场景2：直接在管道后接入summarize_values()并传入待汇总的列参数完成计算

核心做两处修改即可满足需求：

1. 给variable参数设置空默认值，兼容无参调用场景；同时对齐dplyr通用逻辑，未传参时自动识别传入数据中除分组列外的第一列作为计算列
2. 补充基础输入校验，避免非数据框格式输入时报错信息混乱

调整后的完整函数代码：

library(dplyr)

summarize_values <- function(tbl, variable = NULL){
  # 输入格式校验
  if (!is.data.frame(tbl)) {
    stop("输入对象必须是数据框或tibble格式", call. = FALSE)
  }
  
  # 未指定计算列时，自动取非分组列的第一列
  if (rlang::quo_is_null(enquo(variable))) {
    group_cols <- group_vars(tbl)
    valid_cols <- setdiff(colnames(tbl), group_cols)
    target_col <- valid_cols[1]
    variable <- sym(target_col)
    message("未指定计算列，默认使用列：", target_col)
  }

  tbl %>% 
    summarize(
      summarized_mean = mean({{variable}}, na.rm = TRUE),
      summarized_median = median({{variable}}, na.rm = TRUE),
      geom_mean = exp(mean(log({{variable}}), na.rm = TRUE)),
      n = n()
    ) %>% 
    arrange(desc(n))
}

• 场景2（传参管道调用）：

# 管道后直接传列名，和原有直接调用逻辑完全一致
data %>% summarize_values(lifeExp)

• 场景1（无参管道调用）：

# 预处理后末尾无参调用，函数自动识别计算列
data %>% 
  select(continent, lifeExp, pop) %>% 
  group_by(continent) %>% 
  summarize_values()

代码中添加的na.rm = TRUE是适配实际使用中常见的缺失值场景，如果你的数据确认无缺失值，可以删除该参数。

内容的提问来源于stack exchange，提问作者Andy