使用purrr与dplyr时，rlang::sym是否为最优实现方式？

一、用rlang::sym()处理字符串变量名是合理的实现方式 #

你当前的代码不仅可行，而且是在dplyr中处理字符串形式变量名的标准方法之一，完全没问题。

rlang::sym()的作用就是把字符串转换成dplyr能识别的符号（symbol）——也就是我们平时写未引号变量名时的底层对象。配合!!（解引用运算符），就能让group_by()正确识别这个变量，完成分组操作。

不过你的输出里出现了NA，是因为map_df会自动合并结果，每个分组变量对应的结果列会在另一个分组的行里填充NA。如果想要更清晰的输出，可以给函数加一列标记分组变量名：

library(tidyverse)
my_summarise <- function(df, group_var) {
  group_sym <- rlang::sym(group_var)
  df %>% 
    group_by(!!group_sym) %>% 
    summarise(mpg = mean(mpg), .groups = "drop") %>% 
    mutate(grouped_by = group_var) # 新增列标记分组变量
}

purrr::map_df(c("cyl", "am"), my_summarise, df = mtcars)

输出会变成：

# A tibble: 5 × 3
    cyl   mpg grouped_by
  <dbl> <dbl> <chr>     
1     4  26.7 cyl       
2     6  19.7 cyl       
3     8  15.1 cyl       
4    NA  17.1 am        
5    NA  24.4 am        

另外，还有两种替代方法可以实现同样的效果，供你参考：

• 使用.data代词：不需要转换符号，直接通过字符串索引数据框的列

  my_summarise <- function(df, group_var) {
    df %>% 
      group_by(.data[[group_var]]) %>% 
      summarise(mpg = mean(mpg), .groups = "drop") %>% 
      mutate(grouped_by = group_var)
  }
  

• 使用across()（适合同时处理多个变量的场景）：

  my_summarise <- function(df, group_var) {
    df %>% 
      group_by(across(all_of(group_var))) %>% 
      summarise(mpg = mean(mpg), .groups = "drop") %>% 
      mutate(grouped_by = group_var)
  }
  

二、为什么select(mtcars, !!x)可行但group_by(mtcars, !!x)不行？ #

这个差异和解引用本身无关，而是select()和group_by()的参数设计不同：

• select()的参数非常灵活，它原生支持直接传入字符串、符号、列位置甚至选择辅助函数（比如starts_with()）。所以哪怕你直接写select(mtcars, x)（不用!!），只要x是字符串，它也能正常工作。当你用!!x时，本质上还是把字符串传给了select()，而它刚好能处理。
• group_by()的标准接口只接受符号或表达式，不支持直接传入字符串。当你写group_by(mtcars, !!x)时，x是字符串，!!x解引用后还是字符串，group_by()无法识别这个字符串对应的列，所以会报错。

要让group_by()处理字符串变量名，要么用sym()转成符号再解引用，要么用.data[[x]]的方式，这两种都是tidy求值框架下的规范写法。

内容的提问来源于stack exchange，提问作者karldw