这问题我太熟了——重复写相似的dplyr代码确实很烦人！我们可以用tidy eval的技巧封装一个通用函数，只需要定义一次汇总逻辑，之后随便换分组变量和输出列名都没问题。

解决方案：封装通用分组汇总函数 #

先看代码，我会一步步解释：

library(dplyr)

# 定义通用的分组汇总函数
grouped_summary <- function(data, ..., sum_col = sum1) {
  data %>%
    group_by(...) %>%
    summarize({{sum_col}} := sum(col4, col5), .groups = "drop")
}

参数说明：

• data: 你要处理的目标数据框（比如示例里的df）
• ...: 任意多个分组变量，直接写列名就行，不用加引号
• sum_col: 汇总结果的列名，默认是sum1，你可以根据需求自定义

调用示例（完全匹配你的需求） #

用这个函数替代你原来的重复代码，只需要传入不同的分组变量：

# 对应你的result1：按col1、col2分组
result1 <- grouped_summary(df, col1, col2)

# 对应你的result2：按col2、col3分组
result2 <- grouped_summary(df, col2, col3)

# 对应你的result3：按col1、col3分组
result3 <- grouped_summary(df, col1, col3)

# 额外福利：自定义输出列名（比如改成total）
custom_result <- grouped_summary(df, col1, col2, sum_col = total)

关键语法解释 #

• ...：用来接收任意数量的分组变量，完美适配你不同的分组组合需求
• {{sum_col}} :=：这是tidy eval的核心语法，{{}}用来解引用参数里的列名，:=支持动态命名输出列——这样你就能灵活修改汇总结果的列名了
• .groups = "drop"：可选参数，用来自动取消分组（和你手动写的代码默认行为一致，避免后续操作踩坑）

验证结果 #

你可以用下面的代码验证，封装函数输出的结果和你原来手动写的完全一致：

all.equal(result1, df %>% group_by(col1, col2) %>% summarize(sum1 = sum(col4, col5), .groups = "drop"))
# 会返回TRUE，说明结果完全匹配

以后如果你的汇总逻辑需要修改（比如从求和改成求均值），只需要改一次函数里的sum(col4, col5)，所有调用这个函数的地方都会自动更新，彻底告别重复代码！

内容的提问来源于stack exchange，提问作者huan