如何用dplyr循环生成data.table各列的汇总统计？

嘿，我来帮你搞定这个问题！你想要遍历data.table的每一列，用dplyr生成类似Sepal.Length取值计数的汇总，之前用paste替换列名踩坑了对吧？这其实是因为dplyr的非标准求值特性在搞怪，我给你几种最优的实现方法：

先看你的需求示例 #

首先，假设你单独处理Sepal.Length的代码是这样的：

library(dplyr)
library(data.table)

# 把iris转成data.table
iris_dt <- as.data.table(iris)

# 单独生成Sepal.Length的取值计数
iris_dt %>%
  group_by(Sepal.Length) %>%
  summarise(count = n())

为什么用paste(names(iris)[1])不行？因为dplyr的group_by接受的是裸变量名（比如Sepal.Length），而paste返回的是字符串（比如"Sepal.Length"），直接放进去会被当成一个字面量分组，而不是引用列名，自然出问题。

方法1：用purrr::map遍历列名（推荐） #

借助purrr的map函数，配合dplyr的符号解引用，就能优雅遍历所有列：

library(purrr)

# 获取所有列名
all_cols <- names(iris_dt)

# 遍历每一列生成汇总，结果是带命名的列表
summary_results <- map(all_cols, function(col_name) {
  iris_dt %>%
    group_by(!!sym(col_name)) %>%  # sym()把字符串转成变量符号，!!解引用让dplyr识别
    summarise(count = n()) %>%
    ungroup()  # 记得取消分组，避免后续操作踩坑
})

# 给列表命名，方便按列名查看结果
names(summary_results) <- all_cols

# 比如查看Petal.Width的汇总
summary_results$Petal.Width

方法2：转长格式一次性处理（更简洁） #

如果想要把所有列的汇总放在同一个表格里，用tidyr::pivot_longer转成长格式后再分组，代码更简洁：

library(tidyr)

iris_dt %>%
  # 把所有列转成"变量-取值"的长格式
  pivot_longer(everything(), names_to = "variable", values_to = "value") %>%
  # 按变量和取值分组计数
  group_by(variable, value) %>%
  summarise(count = n()) %>%
  ungroup()

这个方法得到的是一个统一的长表，方便后续筛选、可视化，非常符合tidyverse的风格。

方法3：传统for循环 #

如果你习惯用for循环，也可以这么写，本质和map方法一样：

summary_results <- list()

for (col_name in all_cols) {
  summary_results[[col_name]] <- iris_dt %>%
    group_by(!!sym(col_name)) %>%
    summarise(count = n()) %>%
    ungroup()
}

总结 #

优先推荐方法1或方法2：方法1能得到每个列单独的汇总表，方便单独查看；方法2得到统一的长表，适合批量处理和分析。这两种方法都完美避开了paste带来的非标准求值问题，代码更易读维护。

内容的提问来源于stack exchange，提问作者user2205916