如何通过编程方式构建dplyr的summarize汇总语句？

我在进行dplyr编程时遇到问题：希望对任意数量的变量执行group_by操作（因此用到across），随后基于三组长度相同的向量：要应用函数的目标列、待应用的统计函数、生成的新列名称，编写summarize语句。
类似map或者apply语句的效果，我想最终执行的代码逻辑如下：

data %>%
  group_by(group_column) %>%
  summarize(new_name_1 = function_1(column_1),
            new_name_2 = function_2(column_2))

我知道如果使用across的话可以通过names参数调整列名，但我不确定across是不是最合适的实现方式。另外我后续要应用在规模较大的dataframe上，所以不希望额外计算不需要的列。

示例场景说明 #

期望输出结果 #

mtcars %>%
  group_by(across(c("cyl", "carb"))) %>%
  summarise(across(c("disp", "hp"), list(mean = mean, sd = sd))) %>%
  select(cyl, carb, disp_mean, hp_sd)
#> `summarise()` regrouping output by 'cyl' (override with `.groups` argument)
#> # A tibble: 9 x 4
#> # Groups:   cyl [3]
#>     cyl  carb disp_mean hp_sd
#>   <dbl> <dbl>     <dbl> <dbl>
#> 1     4     1      91.4 16.1 
#> 2     4     2     117.  24.9 
#> 3     6     1     242.   3.54
#> 4     6     4     164.   7.51
#> 5     6     6     145   NA   
#> 6     8     2     346.  14.4 
#> 7     8     3     276.   0   
#> 8     8     4     406.  21.7 
#> 9     8     8     301   NA

目前实际输出结果 #

mtcars %>%
  group_by(across(c("cyl", "carb"))) %>%
  summarise(across(c("disp", "hp"), list(mean = mean, sd = sd)))
#> `summarise()` regrouping output by 'cyl' (override with `.groups` argument)
#> # A tibble: 9 x 6
#> # Groups:   cyl [3]
#>     cyl  carb disp_mean disp_sd hp_mean hp_sd
#>   <dbl> <dbl>     <dbl>   <dbl>   <dbl> <dbl>
#> 1     4     1      91.4   21.4     77.4 16.1 
#> 2     4     2     117.    27.1     87   24.9 
#> 3     6     1     242.    23.3    108.   3.54
#> 4     6     4     164.     4.39   116.   7.51
#> 5     6     6     145     NA      175   NA   
#> 6     8     2     346.    43.4    162.  14.4 
#> 7     8     3     276.     0      180    0   
#> 8     8     4     406.    57.8    234   21.7 
#> 9     8     8     301     NA      335   NA

核心疑问 #

如何实现符合要求的动态summarize语句，避免生成多余计算列？ #

不要直接用across给所有目标列套用所有函数，这种方式必然会生成多余的计算列。你可以通过rlang包的动态表达式注入功能，实现三组向量的一一对应计算，完全不会产生多余运算，适配大规模数据集的性能要求。

实现步骤 #

1. 先定义你需要的参数向量：

library(dplyr)
library(rlang)

# 分组列向量
group_cols <- c("cyl", "carb")
# 三个等长的对应向量：目标列、要应用的函数、生成的新列名
target_cols <- c("disp", "hp")
apply_funs <- list(mean, sd)
new_colnames <- c("disp_mean", "hp_sd")

2. 构造每个计算项的表达式：

sum_exprs <- purrr::map2(
  .x = target_cols,
  .y = apply_funs,
  ~ expr(!!sym(.x) %>% !!.y())
) %>% set_names(new_colnames)

3. 把表达式注入到summarise中执行计算：

mtcars %>%
  group_by(across(all_of(group_cols))) %>%
  summarise(!!!sum_exprs, .groups = "drop_last")

运行上述代码得到的结果和你预期的输出完全一致，只会计算你指定的列组合，不会产生任何多余的中间计算结果，内存占用和运算效率都远高于先全量计算再筛选列的方案。如果不想依赖purrr，也可以用base R的mapply实现同样的表达式构造逻辑。 #

内容的提问来源于stack exchange，提问作者spillway18