R4DS习题5.6.7 Q4：mutate与summarise能否互换的技术疑问

嘿，我来帮你理清楚这个问题！首先得明确：mutate和summarise根本不是可以互换的函数，它们的定位完全不同——这也是为什么参考代码里用了mutate，不过其实也有不用mutate的写法，只是可读性差一些。

先拆解题目需求：我们需要先判断每个航班是否取消，再按日期分组，计算当天取消航班的比例，以及平均延误时间。

为什么参考代码要用mutate？ #

mutate的核心作用是为每一行数据添加/修改列，保留原数据的行数。在这里，我们需要给每个航班（每一行）标记一个cancelled状态（TRUE/FALSE），这个是逐行判断的操作，summarise做不到——因为summarise的本质是对分组后的数据做聚合，输出的行数等于分组数，它不会保留每一行的细节。

用mutate先把cancelled列做出来，后续的summarise逻辑就非常清晰：直接对cancelled列取均值（因为TRUE会被当作1，FALSE当作0，均值就是比例），任何人看代码都能立刻明白你在做什么。

能不能只用summarise实现？ #

其实可以，但写法会更绕，而且可读性大打折扣。比如你可以把判断取消的逻辑直接嵌入到summarise的聚合计算里：

flights %>% 
  group_by(year, month, day) %>% 
  summarise(
    prop_cancelled = sum(is.na(arr_delay) | is.na(dep_delay)) / n(),
    avg_dep_delay = mean(dep_delay, na.rm = TRUE)
  )

这里我们直接计算当天取消的航班数（sum(...)）除以当天总航班数（n()），得到取消比例，全程没用到mutate。但这种写法的问题在于，判断取消的逻辑被藏在了聚合计算里，不如先建cancelled列那么直观，尤其是当你后续还要基于这个取消状态做更多分析时，mutate的方式会更灵活。

再明确下mutate和summarise的核心区别 #

• mutate：不管分不分组，都会保留原数据的行数，是给每一行新增信息，属于「行级操作」
• summarise：分组后把每组压缩成一行，是对每组做汇总统计，属于「组级聚合操作」

所以两者完全不是一个层面的函数，不存在“互换”的说法——只是在这个特定场景下，你可以把mutate的行级判断逻辑，直接转化为summarise里的组级聚合计算，从而绕开mutate，但这绝不是互换。

内容的提问来源于stack exchange，提问作者Lee