R中使用group_by、summarise遍历字符向量实现动态分组统计

推荐使用dplyr内置的across语法实现，无需写循环，代码更简洁易维护，也可以按需使用循环实现：

方法1：dplyr::across实现（推荐） #

先封装单变量的统计逻辑，再批量作用到指定的所有变量上：

library(dplyr)

# 自定义单变量统计函数，封装最大值、第二大值、求和逻辑
calc_stats <- function(x) {
  # 先去重再降序排序，避免组内有多个相同最大值时第二大值计算异常
  sorted_unique <- sort(unique(x), decreasing = TRUE, na.last = NA)
  tibble(
    MaxVal = sorted_unique[1],
    MAXsecVal = sorted_unique[2],
    Sum = sum(x, na.rm = TRUE)
  )
}

# 传入需要统计的变量向量
var <- c("hp", "drat", "wt")

# 批量统计
df <- mtcars %>%
  group_by(cyl) %>%
  summarise(
    across(all_of(var), calc_stats, .names = "{.col}_{.fn}")
  ) %>%
  arrange(cyl)

运行后每个指定变量会生成对应的三列统计结果，例如hp_MaxVal、hp_MAXsecVal、hp_Sum，和你原有逻辑的计算结果完全一致。如果需要转为长表更方便查看，可以追加一步格式转换：

df_long <- df %>%
  tidyr::pivot_longer(
    cols = -cyl,
    names_to = c("variable", ".value"),
    names_sep = "_"
  )

方法2：循环实现 #

如果偏好循环写法，可以通过动态取列语法.data[[列名字符串]]实现：

library(dplyr)

var <- c("hp", "drat", "wt")
result_list <- list()

for (v in var) {
  tmp <- mtcars %>%
    group_by(cyl) %>%
    summarise(
      variable = v,
      MaxVal = max(.data[[v]], na.rm = T),
      MAXsecVal = max(.data[[v]][.data[[v]] != max(.data[[v]], na.rm = T)], na.rm = F),
      Sum = sum(.data[[v]], na.rm = T)
    )
  result_list[[v]] <- tmp
}

# 合并所有变量的统计结果
df <- bind_rows(result_list) %>% arrange(cyl, variable)

注意事项 #

• 用all_of(var)包裹变量向量是dplyr官方推荐的写法，可以避免环境变量冲突的警告
• .data[[变量名字符串]]是dplyr中动态取列的标准语法，适合在循环、自定义函数内调用
• 第二大值的计算建议使用去重后排序的写法，替代原有max(hp[hp != max(hp)])的逻辑，避免当组内存在多个相同最大值时，返回次高的重复值而非第二大的不同值

内容的提问来源于stack exchange，提问作者Hekmek