如何将dplyr的group_by与filter批量操作封装为自定义函数

核心通过purrr::reduce()实现迭代流程，搭配tidy非标准求值语法兼容任意变量传入需求，完整实现如下：

完整函数代码 #

library(tidyverse)

# 你原有的辅助过滤函数
get_rows <- function(x) {
  u <- unique(x) 
  n <- sample(c(if(is.character(x)) 0 else min(u)-1, u), 1)
  if(n == n[1]) TRUE else x == n
}

foo <- function(data, ..., exclude_vars = c("time"), group_var = "study", filter_fun = get_rows){
  # 确定待处理变量列表：传入了变量就用传入的，否则自动取排除了exclude_vars和分组变量的所有列
  if (length(list(...)) == 0) {
    process_vars <- setdiff(names(data), c(exclude_vars, group_var))
  } else {
    process_vars <- names(dplyr::select(data, ...))
  }

  # 迭代处理每个变量，等价于你手动分步执行的多步操作
  res <- purrr::reduce(
    .x = process_vars,
    .f = function(current_df, var) {
      current_df %>%
        dplyr::group_by(!!sym(group_var)) %>%
        dplyr::filter(filter_fun(!!sym(var))) %>%
        dplyr::ungroup()
    },
    .init = data
  )
  return(res)
}

使用示例 #

手动指定待处理变量 #

和你示例的三步操作完全等价：

data <- expand_grid(study=1:3,sample=1:2,group=1:3,outcome=c("A","B"),time=0:2)
# 按顺序处理sample、group、outcome三个变量
result <- foo(data, sample, group, outcome)

自动处理符合规则的变量 #

不手动指定变量时，会自动排除exclude_vars指定的列和分组列，处理剩余所有列：

# 自动排除time，处理剩余的sample、group、outcome
result_auto <- foo(data)

逻辑说明 #

• reduce()会按顺序遍历待处理变量，每一轮都以上一轮处理完的数据框为输入，执行分组、过滤、解组操作，和你手动分步写的多段代码逻辑完全一致
• !!sym(var)用于将字符串格式的变量名转换为dplyr可识别的符号，适配非标准求值规则
• 支持自定义分组变量、自定义过滤函数，可直接调整参数适配更多场景

内容的提问来源于stack exchange，提问作者Simon Harmel