在R语言的数据处理环节里，dplyr::group_by几乎每天都要碰面。但最近我接连遇到几位朋友拿着同一个问题来问：明明原始数据里每个组都有好几条记录，为什么group_by()之后一跑summarise()，结果只剩一行？有人甚至以为是自己装错了包、报了什么看不懂的错。说实话，这类“看着像报错、其实不是报错”的问题，在R社区里出现的频率远比想象中高。今天就把这个group_by后只显示一条记录的现象彻底拆开，从机制、场景、排查到正确写法一次讲清楚。
1. 先搞明白 group_by 到底改变了什么
1.1 行数、列数其实都没变
很多人的第一个误区，是把group_by()当成一种“会压缩数据”的操作。实际上dplyr::group_by()的作用非常单纯：它只是在数据框对象上额外记录了一层“分组属性”，并不会动你的原始数据行。
library(dplyr) df <- data.frame( group = c("A", "A", "B", "B"), value = c(1, 2, 3, 4) ) df # group value # 1 A 1 # 2 A 2 # 3 B 3 # 4 B 4 df %>% group_by(group) # # A tibble: 4 × 2 # group value # <chr> <dbl> # 1 A 1 # 2 A 2 # 3 B 3 # 4 B 4 # # Groups: group [2]注意输出里的4 × 2，行数还是4行。# Groups: group [2]只是告诉你“现在这个数据框带了分组信息，分组变量是 group，共有2个组”。你可以把group_by()理解成给名单上的每个人贴了一个“组别标签”，标签贴完，人还是一个不少。
1.2 打印界面里的“假象”
还有一种情况，是在控制台或者 RStudio 里看到的数据“好像”变少了。默认情况下，tibble 在终端打印时只显示前10行，也就是设置了print(n = 10)这种默认行为。如果你的数据本来就有几十行，你会看到前10行下面跟着一行… with 20 more rows，很容易让人误以为数据被截断了。
不过这只影响“眼睛看到的”，不影响数据本身。如果只是怀疑显示问题，可以用print(df, n = Inf)强制打印全部行，或者用nrow()确认真实行数。真正的“只显示一条记录”，绝大多数情况出现在group_by()之后又加了summarise()这类会折叠行的操作。
1.3 分组信息是“附加属性”
另外一个关键点：group_by()之后返回的对象类型是grouped_df，不是普通的数据框。它除了包含原始行列，还携带一份“分组元数据”。这份元数据会影响后续很多动词的行为：
summarise()会按组各输出一行；mutate()会按组分别计算，但保持总行数不变；filter()会按组分别筛选；slice()会按组分别取行。
所以“为什么只有一条记录”这个问题，很大程度上要看你后面接的是哪个函数。如果接的是summarise()，那结果行数本来就应该等于“组数”，而不是“原始记录数”。如果目标是保留每条明细再做组内统计，那从一开始就不该用summarise()，而是用mutate()。
2. 只显示一条记录的几类典型原因
2.1 数据里的分组变量本来就只有一个取值
这是最容易被忽略的一种情况。有些人拿了别人给的数据汇总文件，或者自己用filter()筛过一轮，分组变量的唯一值已经只剩下一个了，结果再group_by() %>% summarise()，自然就只有一行。
df <- data.frame( group = rep("loop", 100), value = rnorm(100) ) df %>% group_by(group) %>% summarise(avg = mean(value)) # # A tibble: 1 × 2 # group avg # <chr> <dbl> # 1 loop 0.123100行原始记录进去，输出1行，因为分组变量group只有"loop"这一个取值。这不是dplyr的问题，而是数据本身的“分组粒度”已经不存在了。判断方法很简单，检查一下分组变量的唯一值数量：
dplyr::n_distinct(df$group)如果结果是1，那summarise()只返回1行反而是完全正确的行为。
2.2 summarise 天生就会“折叠”行
summarise()的英文原意就是“概括、汇总”，它做的事情是把一组多行缩写成一行统计量。比如sum()、mean()、n()、first()、max()这些聚合函数，返回的都是单值。
因此，只要用了summarise()，输出的行数预期就是“分组变量的取值组合数”。举个例子：
sales <- data.frame( region = c("华东", "华东", "华北", "华北", "华东"), product = c("A", "B", "A", "B", "A"), amount = c(100, 200, 150, 120, 180) ) sales %>% group_by(region) %>% summarise(total = sum(amount)) # # A tibble: 2 × 2 # region total # <chr> <dbl> # 1 华东 480 # 2 华北 270如果region有两个取值，结果就有两行；如果有十个取值，结果就有十行。很多人以为“实际应多条记录”，其实是把summarise()的输出期望弄错了——他们希望看到的是明细行还在，比如“华东3条、华北2条”都保留。这个需求用summarise()永远做不到，因为它的设计就是折叠行。
2.3 想保留明细却错用了 summarise
承接上一条，最典型的场景是：希望按组计算一个均值或者总和，同时保留原始每一行记录。这种需求应该用mutate()，而不是summarise()。
# 错误理解：以为 summarise 能新增一列并保留明细 sales %>% group_by(region) %>% summarise(region_total = sum(amount)) # 结果只剩2行，明细丢了 # 正确写法：用 mutate 新增列，行数不变 sales %>% group_by(region) %>% mutate(region_total = sum(amount)) # # A tibble: 5 × 4 # region product amount region_total # <chr> <chr> <dbl> <dbl> # 1 华东 A 100 480 # 2 华东 B 200 480 # 3 华北 A 150 270 # 4 华北 B 120 270 # 5 华东 A 180 480一句话辨别：如果希望输出仍然保留原始行数，用mutate()；如果希望每个组汇总为一行，用summarise()。这两个动词的分工差异，是大部分“group_by后行数不对”问题的根源。
2.4 新版 dplyr 的分组残留与新参数
如果你用的 dplyr 是 1.0.0 之后的版本，summarise()还有一个容易埋雷的行为：默认会保留最后一个分组变量以外的分组属性，也就是.groups = "drop_last"。在 dplyr 1.0.0 之前，summarise()会直接把分组属性都丢掉；现在则会保留部分分组信息。
对于单变量分组，影响不大。但多级分组时，连续summarise()可能会出现“越汇总越少，最后只剩一行”的连锁反应。
sales %>% group_by(region, product) %>% summarise(total = sum(amount)) sales %>% group_by(region, product) %>% summarise(total = sum(amount)) %>% summarise(grand = sum(total))第一次summarise()后，输出行数是“region × product 的实际组合数”；由于分组属性中还保留了region，第二次summarise()会继续按region聚合，结果只剩region的数量行。如果用户的心理预期是“先算每个组合，再算一次所有组合的总体”，就会觉得第二次输出“少得离谱”。
这种场景的修复办法是在两次汇总之间显式加ungroup()，或者在summarise()里指定.groups参数：
sales %>% group_by(region, product) %>% summarise(total = sum(amount), .groups = "drop").groups的四个选项分别是："drop_last"（默认，丢掉最后一个分组变量）、"drop_all"（丢掉所有分组，等价于主动ungroup()）、"keep"（保留全部分组）、"rowwise"（转为逐行模式）。绝大多数情况下，如果你只想拿到一个“干净”的汇总结果，直接用.groups = "drop"最省心。
3. 定位问题的排查路径
3.1 先给数据做个体检
遇到“group_by 后只剩一条记录”这类问题，我的建议是不要急着改代码，先按顺序回答三个问题：原始数据到底多少行？分组变量有几个取值？操作链里有没有会折叠行的函数？
nrow(sales) # 5 ncol(sales) # 3 dim(sales) # 5 3用nrow()确认原始数据规模，心里先有一个基准线。接着看分组变量：
dplyr::n_distinct(sales$region) # [1] 2如果n_distinct()结果是1，那么后续summarise()的结果只有1行是完全正常的。不用再怀疑其他原因，问题出在分组变量本身。
3.2 验证分组有效性
n_distinct()能看出分组变量的取值个数，但不能直接告诉你每个组里有多少行。这时候可以用count()快速生成分组频数表：
sales %>% count(region) # # A tibble: 2 × 2 # region n # <chr> <int> # 1 华东 3 # 2 华北 2count()本质上是group_by() + summarise(n = n()) + ungroup()的快捷写法。看到这张表，你就能确认每个组到底有几条记录，也能预判summarise()之后应该输出几行。
如果同时有多个分组变量，也可以用group_size()查看每组行数，但它的输出顺序和数据框的分组顺序绑定，不如count()直观。
3.3 判断输出行数是否符合预期
把操作链拆开推导一下，能节省大量排查时间：
- 用了
summarise()，预期输出行数等于分组变量取值组合数； - 用了
mutate()，预期输出行数等于输入行数； - 用了
filter()，预期输出行数小于等于输入行数； - 用了
slice_max()/slice_head()这类函数，预期输出行数等于组数乘以每组取的行数。
只要这些预期和实际对不上，再去检查代码逻辑。很多时候答案并不复杂，就是把summarise()当成了mutate()来用。
3.4 用 group_split 把组拆开看
如果还是不确定分组结果长什么样，最直接的办法是把分组后的数据拆开，逐组观察：
sales %>% group_by(region) %>% group_split()group_split()返回一个列表，每个元素是一个分组的小数据框。逐个查看每个元素，可以非常直观地确认“原始数据到底分了几组、每组有多少行”。配合group_keys()可以单独查看分组键值：
sales %>% group_by(region) %>% group_keys() # # A tibble: 2 × 1 # region # <chr> # 1 华东 # 2 华北看到group_keys()返回几行，就知道接下来的聚合结果应该是几行。
4. 修复与正确操作的实战模板
4.1 分组汇总但想保留明细
这是最常见的需求之一。比如我想在销售明细里增加一列“该区域总销售额”，但每一行数据都要保留。目标行数 = 原始行数，用mutate()：
sales %>% group_by(region) %>% mutate(region_total = sum(amount)) %>% arrange(region)输出依然是5行，同时新增了region_total列。每一行都能看到自己所属区域的总销售额。这种结构方便后续做“单条记录与整体对比”之类的计算，比如计算占比：
sales %>% group_by(region) %>% mutate(region_total = sum(amount), share = amount / region_total)4.2 每个组只输出一行汇总
如果目标就是“每个区域一行汇总”，那summarise()就是正确工具。但写的时候要注意两点：第一，选择正确的聚合函数；第二，把不需要的列在聚合时明确处理掉，或者只保留必要的分组列和汇总列。
sales %>% group_by(region) %>% summarise( total = sum(amount), avg = mean(amount), count = n() ) %>% ungroup()n()返回当前组的行数，它在summarise()和mutate()里都好用。这里最后加了一个ungroup()，确保后续如果再对这个结果做别的计算，不会带着分组属性“暗箱操作”出诡异结果。
4.3 分组后取每组的前几行或最大行
有时候你想看的不是汇总值，而是每组里最典型的一两条记录。比如每个区域销售额最高的产品：
sales %>% group_by(region) %>% slice_max(amount, n = 1) # # A tibble: 2 × 3 # region product amount # <chr> <chr> <dbl> # 1 华北 A 150 # 2 华东 A 180slice_max()按组取amount最大的行，n = 1表示每组一行。如果希望每组保留前两条，改成n = 2即可。类似的还有slice_head()取每组前几行、slice_min()取每组最小值行。这个系列函数解决的是“组内排序后取行”的问题，而不是汇总问题，用它去替代summarise()中某些别扭的first()/max()用法会更清晰。
4.4 分组数据行数保持不变的统计快捷方式
还有一类需求是“新增一列，表示这个值在这个组里出现了多少次”。也就是分组计数，但不折叠行。最简洁的写法是用add_count()：
sales %>% add_count(region, name = "region_count")这等价于：
sales %>% group_by(region) %>% mutate(region_count = n()) %>% ungroup()add_count()不需要显式group_by，它在内部完成分组、计数、取消分组三个动作，输出行数不变。适合快速查看每个分组的样本量，也适合用来做分组频数的后续计算。
4.5 用 reframe 保留每组的多个返回值
dplyr 1.1.0 之后新增了reframe()，允许汇总函数返回多个值，每组可以输出多行。这个函数适合那种“每组返回不止一个统计量”的场景。
sales %>% group_by(region) %>% reframe(amount_range = range(amount)) # # A tibble: 4 × 2 # region amount_range # <chr> <dbl> # 1 华东 100 # 2 华东 200 # 3 华北 120 # 4 华北 150range(amount)一次返回两个数值（最小值和最大值），summarise()不允许这种返回长度大于1的聚合结果，而reframe()专门为这种情况而生。如果你确实遇到了“每组应该返回多条记录”的需求，先不要急着赋值给一个列表列，考虑一下reframe()是不是更适合。
5. 常见问题速查与经验补遗
5.1 症状-原因-解法对照表
把实际工作中很容易撞上的情况整理成一张表，方便对照排查。
| 症状 | 原因 | 解决办法 |
|---|---|---|
group_by()后直接打印，感觉行数少了 | 控制台默认只显示前10行 | print(df, n = Inf)查看完整数据；nrow(df)确认行数 |
summarise()输出只有1行 | 分组变量唯一值只有1个 | n_distinct()检查；换成其他分组列；改用mutate()保留明细 |
| 想保留明细行，结果只拿到汇总 | 错把summarise()当成mutate() | 保留明细用mutate()，每组一行汇总才用summarise() |
分组后连续summarise()，行数越来越少 | 分组属性残留，二次聚合仍在按组计算 | 每次汇总后加ungroup()，或指定.groups = "drop" |
| 多级分组后输出行数小于分组组合数 | 某些组合在原始数据中不存在 | 用tidyr::complete()补全组合；或接受实际组合数 |
| 每组占比算出来全是1 | summarise()后没取消分组，分母仍在组内计算 | 汇总后ungroup()再mutate() |
想输出每组多个返回值，summarise()报错 | 聚合函数返回长度大于1 | 改用reframe() |
group_by()一个不存在的列 | 列名拼写错误或该列不存在 | 报错信息会提示找不到变量；用names(df)核对列名 |
5.2 实操补充与小技巧
在实际排查中，我发现一个特别值得养成的习惯：长链式操作时不要一次性把所有动作串完。比如df %>% group_by(a, b) %>% summarise(...) %>% filter(...) %>% mutate(...)，一旦中间行数出问题，很难快速定位究竟是哪一步改变了数据。更好用的排查方式是每执行一个动词就停下来看一眼输出，或者用%>%逐步拆开跑。
还有一个容易被忽略的细节：n()在不同动词里的含义不同。在mutate()里它返回当前组的行数，在summarise()里它也返回当前组的行数，但在filter()里它返回的是整个数据框的行数，而不是筛选后每组行数。想按组筛选“行数大于某个值的组”，需要先group_by()再filter(n() >= 3)这种写法。这个差异很容易造成判断偏差。
另外，如果你在交互式环境里经常被summarise()的分组信息提示刷屏，可以设置options(dplyr.summarise.inform = FALSE)。但我个人不建议把这条放进.Rprofile里，因为那行提示其实是很好的提醒，能让你随时注意当前结果还带着哪些分组属性。看清提示，远比关掉提示更有用。
我在实际处理这类问题时的顺序通常是：先nrow()看原始数据，再用count()看分组频数，最后把操作链里每个动词逐段跑一遍。如果某一步输出行数不符合“分组前多少行、聚合后多少组”的预期，几乎立刻就能定位到问题所在。说到底，group_by()本身是个很“温和”的函数，它不会删数据，也不会改行数。真正的行数变化，永远发生在后面接的动词里。把这个逻辑想清楚了，这类“只剩一条记录”的困惑就解了一大半。
