dplyr中summarise搭配case_when分组汇总后出现重复行如何解决？

底层原因 #

这个问题的核心是case_when的向量运算规则和summarise的返回逻辑不匹配：

1. case_when是逐元素运算的向量函数，返回值的长度和输入的判断条件向量长度完全一致。你在分组后每个grp组内有3行数据，grp == "g4"这个判断会生成长度为3的逻辑向量，虽然sum(x)、weighted.mean(x,w)本身都是返回长度为1的标量，但R会自动将标量广播为和判断向量等长的重复值（也就是每个组返回3个相同的计算结果）。
2. summarise的规则是：如果汇总表达式返回长度为n的向量，每个分组就输出n行。你直接使用单一汇总函数时，返回值长度为1，所以每个组仅输出1行，总共4行符合预期；套入case_when后每个组返回长度为3的向量，最终输出4*3=12行重复数据。

正确解决方法 #

核心思路是让判断条件仅返回长度为1的标量，避免广播生成重复值，常用有两种实现方案：

方案1：使用标量判断的if分支 #

分组后每个组的grp唯一，取第一个值做标量判断即可：

df %>%
  group_by(grp) %>%
  summarize(
    value = if (first(grp) == "g4") sum(x) else weighted.mean(x, w),
    .groups = "drop"
  )

方案2：调整case_when的判断条件为标量 #

用cur_group()获取当前分组信息，或者取分组列第一个值，让判断条件长度为1：

df %>%
  group_by(grp) %>%
  summarize(
    value = case_when(
      cur_group()$grp == "g4" ~ sum(x),
      TRUE ~ weighted.mean(x, w)
    ),
    .groups = "drop"
  )

两种方案的输出均为4行，g4分组返回sum(x)的结果15839，其余分组返回加权均值，完全符合需求，不需要额外用distinct去重。

内容的提问来源于stack exchange，提问作者hmhensen