tidyverse中group_by()搭配mutate()分组求和不生效问题

常见根因 #

• 绝大多数这类问题都来自R包函数的命名空间优先级冲突。你代码中调用的group_by()、mutate()并非dplyr包的原生实现，而是被plyr包的同名函数抢占了调用权限。

  R环境的函数查找规则为：后加载到全局环境的包，会覆盖先加载包的同名函数。如果你先加载dplyr、再加载plyr，plyr的group_by、mutate就会直接顶替dplyr的对应函数——这类来自plyr的函数根本不具备识别数据分组属性、按分组计算的能力，不管有没有执行分组步骤，结果都会是全量汇总。
  验证方法：在控制台执行conflicts()，如果输出结果中出现plyr::mutate() masking dplyr::mutate()、plyr::group_by() masking dplyr::group_by()这类提示，即可确认冲突存在。

• 第二个容易踩的操作陷阱：测试流程反复修改同一个全局数据对象，导致操作串扰。你代码中直接对全局df执行df <- group_by(df, name)，如果分组函数本身失效，后续基于这个df的所有测试（包括管道写法的测试）都不会触发分组效果，最终所有输出的N列都是全量求和的6，对比结果自然完全一致。

正确的操作方式 #

• 彻底规避包冲突：不要全量加载plyr包，如果需要使用plyr的特定函数，统一通过plyr::函数名的前缀方式单独调用，不要把所有plyr函数都导入全局环境抢占优先级。
• 测试时保留独立的原始数据副本，不要反复修改同一个全局df对象，避免操作步骤互相干扰。
• 正常加载dplyr包后，测试代码的正确运行效果如下：

# 仅加载dplyr，无其他包冲突
library(dplyr)

# 生成未被修改的原始数据
raw_df <- data.frame(name= c("jose", "jose", "maria", "maria", "maria", "pedro"),
                 values= rep(1,6), stringsAsFactors = T)

# 对照组：无分组的全量求和
df1 <- mutate(raw_df, N=sum(values)) 
# df1的N列全为6，符合全量汇总的预期

# 实验组：按name分组的求和
df2 <- raw_df %>% 
  group_by(name) %>% 
  mutate(N= sum(values))
# df2的N列值为c(2,2,3,3,3,1)，和预期的分组结果完全一致

为什么之前的对比结果全为TRUE #

因为你调用的mutate不识别数据的分组标记，不管输入的数据有没有经过group_by处理，它都会把整个数据框作为整体计算sum(values)，所有输出的N列都是固定值6，逐元素对比的结果自然全为TRUE。

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