如何用dplyr根据数值条件选择均值或最大值分组汇总？

首先直接给出能得到你期望结果的dplyr代码：

library(dplyr)

df %>%
  group_by(type) %>%
  summarise(
    value = if (any(value < 0)) max(value) else mean(value),
    .groups = "drop"
  )

运行后输出结果：

# A tibble: 3 × 2
  type    value
  <chr>   <dbl>
1 dna       25
2 rna        2
3 protein 1000

为什么你的原代码会报错？ #

你之前写的代码逻辑存在两个关键问题：

• 用summarise_all(funs(if (. < 0 ){max} else{mean}))时，.指代的是单个元素而非整个分组的value列，根本没法判断组内是否存在小于0的值；
• 直接返回max/mean函数名，并没有调用函数去计算分组内的汇总值，这也是语法错误的原因之一。

正确代码的逻辑拆解 #

1. group_by(type)：按照type列将数据拆分为rna、dna、protein三个独立分组；
2. summarise(...)：对每个分组执行条件汇总：
   • any(value < 0)：检查当前分组的value列中是否存在至少一个小于0的值，返回布尔值TRUE/FALSE；
   • 若结果为TRUE（比如protein组有-9.6），则调用max(value)计算分组最大值；否则调用mean(value)计算分组平均值；
3. .groups = "drop"：可选参数，用于取消分组状态，让输出从分组tibble转换为普通数据框，和你期望的格式完全匹配。

扩展：多列处理的写法 #

如果后续需要对多列执行相同的条件汇总逻辑，可以用新版dplyr推荐的across语法：

df %>%
  group_by(type) %>%
  summarise(
    across(value, ~ if (any(.x < 0)) max(.x) else mean(.x)),
    .groups = "drop"
  )

这里的.x指代当前正在处理的列，逻辑和单列写法完全一致，适合批量处理多列的场景。

内容的提问来源于stack exchange，提问作者Ahdee