Применить множественную функцию суммирования к столбцам: summarise_all: объект «список» нельзя заставить ввести «двойной»

Попробуйте это, изменив свой код в соответствии с современной идиомой и изменив разделитель в вашей идиоме <colname><separator><statistic> с "_" на ".", чтобы избежать конфликта с именами столбцов (которые могли быть источником вашей ошибки)...

dt %>%
  dplyr::summarise(
    across(
      -id,
      list(
        mean = \(x) mean(x, na.rm = TRUE), 
        sd = \(x) sd(x, na.rm = TRUE), 
        P10 = \(x) quantile(x, 0.1, na.rm = TRUE), 
        P50 = \(x) quantile(x, 0.5, na.rm = TRUE), 
        P90 = \(x) quantile(x, 0.9, na.rm = TRUE)
      ),
      .names = "{.col}.{.fn}"
    ) 
  ) %>%
  pivot_longer(
    everything(), 
    names_sep = "\\.", 
    names_to = c("Variable", "Stat")
  ) %>%
  pivot_wider(names_from = "Stat", values_from = "value") %>%
  mutate(mean = round(mean, 2), sd= round(sd, 2))
# A tibble: 5 × 6
  Variable          mean    sd   P10     P50   P90
  <chr>            <dbl> <dbl> <dbl>   <dbl> <dbl>
1 Numeric_Column_1 -0.04  0.94 -1.20 -0.0872  1.11
2 Numeric_Column_2 -0.15  1.03 -1.46 -0.107   1.07
3 Numeric_Column_3  0.11  1.01 -1.53  0.229   1.14
4 Numeric_Column_4  0.09  1.05 -1.17  0.103   1.53
5 Numeric_Column_5 -0.02  1.02 -1.34 -0.0238  1.38

Использование .names в вызове across устраняет необходимость в шаге separate.

Возможно, в конечном итоге будет лучше отказаться от последнего элемента трубы и заменить его на knitr::kable(digits = 2). Это обеспечивает внутреннюю точность сводки при ее форматировании по вашему запросу.

Также посетите эту страницу, где объясняется, почему вам следует использовать TRUE и FALSE, а не T и F.

Вам следует использовать extract вместо separate для использования некоторых регулярных выражений и добавлять ~ к вызовам функций внутри across:

dt %>% 
  select(-id)  %>%
  summarise(across(everything(), list(mean = ~mean(., na.rm = TRUE),
                                      sd = ~sd(.,na.rm=TRUE), 
                                      P10 = ~quantile(., c(0.1), na.rm=TRUE), 
                                      P50 = ~quantile(., c(0.5), na.rm=TRUE), 
                                      P90 = ~quantile(., c(0.9), na.rm=TRUE)))) %>% 
  pivot_longer(cols = everything()) %>% 
  extract(name, into = c("Variable", "Stat"), regex =  "^([A-Z].*_\\d+)_(.*)")  %>% 
  pivot_wider(names_from = "Stat", values_from = "value") %>%
  mutate(mean = round(mean, 2), sd= round(sd, 2))

# A tibble: 5 × 6
  Variable          mean    sd   P10     P50   P90
  <chr>            <dbl> <dbl> <dbl>   <dbl> <dbl>
1 Numeric_Column_1  0.09  0.96 -1.17  0.0428  1.42
2 Numeric_Column_2  0.04  1.05 -1.09 -0.0829  1.42
3 Numeric_Column_3  0.09  1.05 -1.33  0.168   1.42
4 Numeric_Column_4  0     1.04 -1.29 -0.118   1.48
5 Numeric_Column_5  0.09  1.02 -1.11  0.0578  1.19

library(dplyr)
library(tidyr)

set.seed(123)
dt <- data.frame(id = 1:100,
                 Numeric_Column_1 = rnorm(100),
                 Numeric_Column_2 = rnorm(100),
                 Numeric_Column_3 = rnorm(100),
                 Numeric_Column_4 = rnorm(100),
                 Numeric_Column_5 = rnorm(100))

my.summary <- \(x) list(mean=mean(x,na.rm=T), 
                        sd=sd(x,na.rm=T), 
                        P10=quantile(x, c(0.1), na.rm=T), 
                        P50=quantile(x, c(0.5), na.rm=T), 
                        P90=quantile(x, c(0.9), na.rm=T))

dt %>% 
  pivot_longer(-id) %>% 
  summarise(stat = list(my.summary(value)), .by = name) %>% 
  unnest_wider(stat)

#> # A tibble: 5 × 6
#>   name                mean    sd   P10      P50   P90
#>   <chr>              <dbl> <dbl> <dbl>    <dbl> <dbl>
#> 1 Numeric_Column_1  0.0904 0.913 -1.07  0.0618   1.26
#> 2 Numeric_Column_2 -0.108  0.967 -1.29 -0.226    1.06
#> 3 Numeric_Column_3  0.120  0.950 -1.03  0.0359   1.55
#> 4 Numeric_Column_4 -0.0362 1.04  -1.34 -0.00351  1.24
#> 5 Numeric_Column_5  0.106  0.989 -1.18  0.165    1.30

^{Created on 2024-04-22 with reprex v2.0.2}