如何使用dplyr生成统计量为行、变量为列的多变量汇总表

更优雅的实现方案 #

你可以通过across传入函数列表+长宽转换的方式实现相同效果，只需扫描一次数据集，代码扩展性更强：

library(tidyverse)

starwars %>% 
  # 一次计算所有统计量，生成「列名_统计名」格式的宽列
  summarise(across(where(is.numeric), 
                   list(min = min, median = median, mean = mean, max = max, sd = sd),
                   na.rm = TRUE)) %>% 
  # 转为长表，拆分列名得到变量名和统计名
  pivot_longer(everything(), 
               names_to = c("variable", "statistic"), 
               names_sep = "_") %>% 
  # 再转回你需要的宽表结构
  pivot_wider(names_from = variable, values_from = value) %>% 
  # 可选：调整统计量顺序和你原输出一致
  arrange(factor(statistic, levels = c("min", "median", "mean", "max", "sd")))

运行结果和你用bind_rows得到的完全一致。

为什么无法直接通过summarize实现目标结构 #

summarize的设计逻辑是无分组时输入任意行、输出1行汇总结果，有分组时输出和分组数相等的行数，每一个汇总表达式对应输出一列。
当你给across传入多个函数时，默认会生成原变量名_函数名格式的多列结果，是面向宽表汇总的默认设计，并不会自动把统计量名称转换为行维度，因此需要搭配tidyr的转换函数调整结构，并不是无法实现该需求。

关于整洁数据原则的疑问 #

• 你想要的「统计量为行、数值变量为列」的输出属于面向人阅读的宽整洁结构，本身没有违反整洁数据原则：每一行对应一个统计类别，每一列对应一个观测指标，每个单元格只有一个值，符合整洁数据的核心要求。
• 你原来用bind_rows拼接的实现方式，结果是合规的，但存在两个明显的问题：
  • 代码冗余：重复调用5次summarize(across(...))，如果要新增/删除统计量、修改筛选列的规则，需要同步修改多处，容易出错
  • 执行效率低：需要对数据集扫描5次才能完成所有统计量计算，优化方案只需要扫描1次
• 官方文档推荐的传入函数列表方案，看起来多了两步转换，但扩展性、可维护性都远高于拼接方案，熟悉tidyverse语法后写起来也更快捷。

内容的提问来源于stack exchange，提问作者Lucas De Abreu Maia