我有一个这样的数据框：
id v t1 t2 t3 t4 date1 list1
1 1.0 1.4 2 0.45 3 2020-09-03 val1
1 1.0 1.6 3 0.55 3.7 2020-09-05 val2
如何按id， v分组并通过对每个列应用不同的聚合函数来聚合t1，t2，t3，t4，date1，list1列。更具体地说
t1 -> mean
t2 -> max
t3 -> mean
t4 -> max
date -> max
list1 -> join as in python's ','.join
所以聚合后的框架看起来像：
id v t1 t2 t3 t4 date1 list1
1 1.0 1.5 3 0.5 3.7 2020-09-05 val1, val2
还有一件事是，这些列可以根据用户在R shiny框架中的选择动态添加，这意味着我打算聚合的所有这些列都在数据框中，但其中一些可能不需要聚合，例如用户可以只选择t1， date1而不是其余的。所以我的聚合参数取决于所选列，并且我确实有用户选择的列名。因此，如果我问如何构建动态聚合查询，这可能是有意义的。
在python中，我可以根据用户选择的列动态构建像上面这样的字典，并使用类似pd. agg（**cript）的东西
我如何在R中做到这一点？我试图查看dplyr::摘要和data. table，但我似乎无法同时聚合所有这些。谢谢你的帮助。
我们可以跨使用在列块上应用函数
library(dplyr)
df1 %>%
group_by(id, v) %>%
summarise(across(c(t1, t3), mean),
across(c(t2, t4, date1), max),
list1 = toString(list1), .groups = 'drop')
-输出
# A tibble: 1 x 8
# id v t1 t3 t2 t4 date1 list1
# <int> <dbl> <dbl> <dbl> <int> <dbl> <chr> <chr>
#1 1 1 1.5 0.5 3 3.7 2020-09-05 val1, val2
如果函数、列名都是用户输入
nm1 <- c("t1", "t3")
nm2 <- c("t2", "t4", "date1")
nm3 <- c("list1")
f1 <- "mean"
f2 <- "max"
f3 <- "toString"
df1 %>%
group_by(id, v) %>%
summarise(across(all_of(nm1), ~ match.fun(f1)(.)),
across(all_of(nm2), ~ match.fun(f2)(.)),
!! nm3 := match.fun(f3)(!! rlang::sym(nm3)), .groups = 'drop')
-输出
# A tibble: 1 x 8
# id v t1 t3 t2 t4 date1 list1
# <int> <dbl> <dbl> <dbl> <int> <dbl> <date> <chr>
#1 1 1 1.5 0.5 3 3.7 2020-09-05 val1, val2
它也可以作为表达式传递并计算
expr1 <- glue::glue('across(c({toString(nm1)}), {f1});',
'across(c({toString(nm2)}), {f2});',
'across(c({toString(nm3)}), {f3})')
df1 %>%
group_by(id, v) %>%
summarise(!!! rlang::parse_exprs(expr1), .groups = 'drop')
-输出
# A tibble: 1 x 8
# id v t1 t3 t2 t4 date1 list1
# <int> <dbl> <dbl> <dbl> <int> <dbl> <date> <chr>
#1 1 1 1.5 0.5 3 3.7 2020-09-05 val1, val2
df1 <- structure(list(id = c(1L, 1L), v = c(1, 1), t1 = c(1.4, 1.6),
t2 = 2:3, t3 = c(0.45, 0.55), t4 = c(3, 3.7), date1 = structure(c(18508,
18510), class = "Date"), list1 = c("val1", "val2")), row.names = c(NA,
-2L), class = "data.frame")
