R语言中如何使用存储列名的变量执行group_by分组操作

运行以下代码时，直接传入裸列名可正常完成分组，将列名存入变量后传入会报找不到列的错误：

library(tidyverse)

# 直接指定列名，运行正常
iris %>% group_by(Species)

# 列名存入变量后传入，触发报错
grouping <- "Species"
iris %>% group_by(grouping)

触发的报错信息：

Error: Must group by variables found in .data. Column grouping is not found.

dplyr系列函数默认使用数据掩码机制，传入的参数会优先被识别为数据框内部的列名，不会自动读取全局环境中变量存储的内容。上述代码中group_by()会直接在iris数据中查找名为grouping的列，找不到对应列就会抛出错误。

根据使用场景选择对应写法即可：

• 字符串列名变量场景（最常用）：用all_of()包裹传入的变量，明确告知函数这是外部存储的列名。如果存在多个列名存为字符向量的情况，该写法同样适用。

  # 单分组变量
  iris %>% group_by(all_of(grouping))
  
  # 多分组变量示例
  grouping_cols <- c("Species", "Petal.Width")
  iris %>% group_by(across(all_of(grouping_cols)))
  

  注：如果不需要强制校验所有传入列名必须存在于数据中，可以把all_of()替换为any_of()，函数会自动忽略数据中不存在的列名，不会中断运行。
• 兼容代词写法：用.data[[ ]]取字符串对应的列，适合需要固定从数据框取列的场景：

  iris %>% group_by(.data[[grouping]])
  

• 自定义函数传参场景：如果是自己封装函数、传入裸列名作为参数，用{{ }}（拥抱运算符）包裹参数即可：

  # 自定义分组计数函数示例
  group_count <- function(df, group_col) {
    df %>% 
      group_by({{ group_col }}) %>% 
      summarise(n = n())
  }
  
  # 直接传裸列名可正常运行
  group_count(iris, Species)
  

内容的提问来源于stack exchange，提问作者Basil