如何在R的summarise_if/summarise_at中使用需两个数据集变量的函数

1 适配summarise_if的写法 #

你可以用dplyr提供的cur_data()函数获取当前计算上下文的数据集（分组场景下会自动取当前组的子集），不需要硬编码调用全量数据集的变量：

# 不分组计算加权均值
library(tidyverse)
df <- as_tibble(iris)
df %>% 
  summarise_if(is.numeric, 
               .fun = function(x) weighted.mean(x, w = cur_data()$Sepal.Length))

# 分组计算加权均值
df %>% 
  group_by(Species) %>% 
  summarise_if(is.numeric, 
               .fun = function(x) weighted.mean(x, w = cur_data()$Sepal.Length))

2 更推荐的新版dplyr写法 #

dplyr 1.0.0之后已经推荐用across()替代原有的_if/_at/_all系列scoped函数，写法更简洁，且天然支持数据掩码，直接在匿名函数中引用权重变量即可：

# 不分组计算加权均值
df %>% 
  summarise(across(where(is.numeric), ~ weighted.mean(.x, w = Sepal.Length)))

# 分组计算加权均值
df %>% 
  group_by(Species) %>% 
  summarise(across(where(is.numeric), ~ weighted.mean(.x, w = Sepal.Length)))

原报错原因说明 #

你之前的写法报错，是因为summarise_if的额外传参（...部分的w参数）不会在数据集的掩码环境中检索变量，只会去全局环境搜索，因此找不到数据集内的Sepal.Length；而用df$Sepal.Length的写法是直接调用全量数据集的权重列，分组后每组的变量长度和全量权重长度不匹配，就会触发长度不一致的报错。

内容的提问来源于stack exchange，提问作者Ari.stat