如何用base R编写实现类似dplyr分组汇总功能的自定义函数

完整实现代码 #

func_base <- function(dataframe, var1, var2, var3, na.rm = FALSE) {
  # 将输入的变量名转为字符串，适配base R列索引逻辑
  var1_nm <- deparse(substitute(var1))
  var2_nm <- deparse(substitute(var2))
  var3_nm <- deparse(substitute(var3))
  
  # 提取两个分组变量的所有唯一组合
  unique_groups <- unique(dataframe[, c(var1_nm, var2_nm)])
  rownames(unique_groups) <- NULL
  
  # 初始化结果数据框
  result <- data.frame(
    unique_groups,
    sum = numeric(nrow(unique_groups))
  )
  
  # 遍历所有分组计算对应var3的求和值
  for (i in seq_len(nrow(unique_groups))) {
    # 筛选当前分组对应的所有行
    match_idx <- dataframe[[var1_nm]] == unique_groups[i, var1_nm] & 
                 dataframe[[var2_nm]] == unique_groups[i, var2_nm]
    # 处理NA匹配问题，过滤掉逻辑判断返回NA的行
    match_idx[is.na(match_idx)] <- FALSE
    # 赋值求和结果
    result$sum[i] <- sum(dataframe[match_idx, var3_nm], na.rm = na.rm)
  }
  
  return(result)
}

使用示例 #

# 测试：用mtcars数据集，按cyl（气缸数）、am（变速箱类型）分组，求和hp（马力）
res <- func_base(mtcars, cyl, am, hp)
print(res)

运行后返回结果和原dplyr版本完全一致，且为标准data.frame格式。

说明 #

• 函数传参逻辑和原dplyr版本一致，无需给变量名加引号；如果需要支持传入字符串形式的变量名，直接删除前三行变量名转换代码，把var1_nm、var2_nm、var3_nm替换为对应参数即可
• 新增na.rm可选参数，可配置求和时是否忽略NA值，默认和base Rsum逻辑一致不忽略
• 分组顺序和原数据中分组组合首次出现的顺序保持一致

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