在dplyr中执行summarise操作时如何保留额外指定列

原始数据结构 #

df <- data.frame(name = c("Acer laurinum", "Acer laurinum Hassk.", "Acmella paniculata", 
                          "Adinandra cf. integerrima", "Adinandra cf. integerrima T.Anderson"),
                 value1 = c(1,2,3,4,5),
                 value2 = c(2,3,4,5,6))

需求说明 #

基于name列拆分出的物种名称部分分组，对value1、value2列执行求和汇总，同时保留每个分组对应的唯一作者信息，无作者的分组保留NA。

原有代码问题 #

原有代码仅完成数值列汇总，author列会被丢弃：

df %>%
  mutate(author = str_extract(name, "(?<=\\s)(?=.*\\.)[.\\w]+$"),
         name1 = trimws(str_remove(name, "(?<=\\s)(?=.*\\.)[.\\w]+$"))) %>%
  group_by(name1) %>%
  summarise(across(c(value1, value2), sum))

修改后代码 #

只需在summarise中补充提取author列的非空唯一值即可：

library(dplyr)
library(stringr)

df %>%
  mutate(author = str_extract(name, "(?<=\\s)(?=.*\\.)[.\\w]+$"),
         name1 = trimws(str_remove(name, "(?<=\\s)(?=.*\\.)[.\\w]+$"))) %>%
  group_by(name1) %>%
  summarise(
    across(c(value1, value2), sum),
    author = unique(na.omit(author))
  )

输出结果 #

# A tibble: 3 × 4
  name1                     value1 value2 author    
  <chr>                      <dbl>  <dbl> <chr>     
1 Acer laurinum                  3      5 Hassk.    
2 Acmella paniculata             3      4 <NA>      
3 Adinandra cf. integerrima      9     11 T.Anderson

逻辑说明 #

每个分组下的author列要么全为NA，要么仅存在一个有效非空值，na.omit(author)会过滤掉所有空值，unique()提取唯一值，若过滤后无有效值则自动返回NA，完全匹配需求。如果存在同物种多作者的场景，可以将author的处理逻辑改为author = toString(unique(na.omit(author)))，多个作者会自动用逗号拼接。

内容的提问来源于stack exchange，提问作者Chris Ruehlemann