如何在dplyr链式调用中结合summarize_all与summarize？

你遇到的问题很常见——原来的代码之所以失效，是因为summarize_all(funs(mean(., na.rm=TRUE)))执行后，数据已经被压缩成每个cyl组一行的汇总结果，此时再调用summarize(n = n())，会把所有组合并成一行，得到的是总组数（比如mtcars里cyl有3组，结果就是n=3），而不是每组的观测数量。

其实完全不需要拆分两次汇总，我们可以在同一个链式调用里一次性完成需求，下面分两种场景给出解决方案：

方案1：使用新版dplyr（1.0.0+）推荐的across语法 #

dplyr 1.0.0之后官方推荐用across替代summarize_all这类函数，写法更灵活直观：

library(dplyr)
data(mtcars)

mtcars %>%
  group_by(cyl) %>%
  summarize(
    # 对所有列计算均值（自动忽略NA）
    across(everything(), ~mean(., na.rm = TRUE)),
    # 直接添加每组的观测数量
    n_obs = n()
  )

这段代码会直接生成每个cyl组一行的结果，包含所有列的均值，以及该组的原始观测数n_obs，完全符合你的需求。

方案2：兼容旧版dplyr的summarize_all写法 #

如果你还在使用旧版dplyr，可以先通过mutate给每组添加观测数字段，再用summarize_all统一计算均值：

library(dplyr)
data(mtcars)

mtcars %>%
  group_by(cyl) %>%
  mutate(n_obs = n()) %>%  # 给每行标记所在组的观测数（同组所有行值相同）
  summarize_all(funs(mean(., na.rm = TRUE)))  # 对所有列取均值，n_obs的均值就是原数值

因为n_obs在同一个组里所有行的数值都一样，所以取均值后还是该组的观测数，最终结果和方案1一致。

总结一下：核心是要在分组后、第一次汇总前就拿到每组的观测数，或者在同一次summarize操作里同时完成均值计算和计数，避免二次汇总导致的组丢失。

内容的提问来源于stack exchange，提问作者dreww2