如何在dplyr管道流中保存中间步骤为.tbl或数据框？

嘿，我完全懂你的痛点——重复跑一遍前面的管道步骤不仅麻烦，数据量大的时候还特别耗时间。下面给你几个实用的方案，不用重复执行前置步骤就能同时拿到中间结果和最终结果：

方法1：用%T>%（Tee管道）实现中间保存 #

这个是magrittr包提供的特殊管道，它会把左侧的数据传递给右侧的表达式执行，但返回的还是左侧的数据，刚好能满足我们“保存中间结果同时继续后续管道”的需求。

举个你的例子：

library(magrittr) # 一般tidyverse已经包含这个包，不用额外安装

# 先把mutate后的结果存到变量，再执行summary
cars_mutated <- cars %T>% 
  mutate(kmh = dist/speed) %>% 
  summary()

# 此时：
# cars_mutated 是 mutate 处理后的完整数据集
# 控制台会直接输出 summary 的结果，如果你想把summary也存起来，可以这样：
result <- list()
cars %T>% 
  mutate(kmh = dist/speed) %>% 
  {
    result$mutated_data <- .
    summary(.)
  } %>% 
  {result$final_summary <- .}

# 之后直接调用 result$mutated_data 和 result$final_summary 就能拿到两个结果

方法2：用purrr::tap灵活嵌入保存逻辑 #

purrr的tap函数可以对管道中的数据执行一个“副作用”操作（比如保存），然后原封不动返回数据继续后续步骤，比%T>%更灵活，适合需要自定义保存逻辑的场景：

library(purrr)
library(dplyr)

# 先初始化一个空列表用来存结果
result_container <- list()

# 执行管道，同时保存中间结果
final_summary <- cars %>%
  mutate(kmh = dist/speed) %>%
  tap(function(intermediate_data) {
    # 把中间结果存入外部列表
    result_container$mutated <- intermediate_data
  }) %>%
  summary()

# 现在：
# final_summary 是最终的统计摘要
# result_container$mutated 是 mutate 处理后的数据集

方法3：自定义一个专属的中间保存函数 #

如果觉得上面的方法不够直观，可以自己写个简单的小函数，专门用来在管道里保存中间结果：

save_intermediate <- function(data, save_name, env = parent.frame()) {
  # 把数据存入指定变量
  assign(save_name, data, envir = env)
  # 返回原数据，继续管道流程
  return(data)
}

# 使用起来非常简洁：
cars %>%
  mutate(kmh = dist/speed) %>%
  save_intermediate("cars_after_mutate") %>% # 这里指定保存的变量名
  summary()

# 直接调用 cars_after_mutate 就能拿到中间的数据集

这几个方法里，我个人最常用的是%T>%（简单场景）和tap（复杂场景），你可以根据自己的需求选～

内容的提问来源于stack exchange，提问作者Felipe Dalla Lana