系列函数（n(), cur_group(), cur_group_id(), cur_group_rows(), cur_column()）是dplyr包中用于在特定上下文（如summarise()和mutate()等）中获取关于当前组或变量的信息的函数。下面结合例子逐一解释它们的用途：

1.n(): 返回当前组的大小，即当前组内的观测数量。

xxxxxxxxxx
df <- tibble(
  g = sample(rep(letters[1:3], 1:3)),
  x = runif(6),
  y = runif(6)
)
gf <- df %>% group_by(g)

gf %>% summarise(n = n())

这个例子中，summarise(n = n())返回了每个组的观测数量。

2.cur_group(): 返回当前组的键，是一个tibble，每个组变量对应一列。

xxxxxxxxxx
gf %>% summarise(data = list(cur_group()))

这个例子中，summarise(data = list(cur_group()))返回了当前组的键，以列表形式存储。

3.cur_group_id(): 返回当前组的唯一数字标识符。

xxxxxxxxxx
gf %>% mutate(id = cur_group_id())

这个例子中，mutate(id = cur_group_id())为每个观测添加了一个表示当前组的唯一数字标识符。

4.cur_group_rows(): 返回当前组的行索引。

xxxxxxxxxx
gf %>% reframe(row = cur_group_rows())

这个例子中，reframe(row = cur_group_rows())返回了当前组的行索引。

补充：reframe() 函数：

reframe() 函数用于重新定义数据框的结构，包括列名、列的顺序等。它允许你指定新的列名和列的顺序，以便重新构建数据框的结构。

xxxxxxxxxx
library(dplyr)

df <- data.frame(
  A = c(1, 2, 3),
  B = c(4, 5, 6),
  C = c(7, 8, 9)
)

df %>%
  reframe(X = A, Y = B, Z = C)

上述例子中，reframe(X = A, Y = B, Z = C) 将重新构建数据框，将列 A 重新命名为 X，列 B 重新命名为 Y，列 C 重新命名为 Z。

reframe() 主要用于重新定义数据框的结构，包括列名和顺序。

5.cur_column(): 在across()中使用，返回当前列的名称。

xxxxxxxxxx
gf %>% mutate(across(everything(), ~ paste(cur_column(), round(.x, 2))))

这个例子中，across()函数中使用了cur_column()来获取当前列的名称，然后对每列应用了相应的操作。

补充：across() 函数：

across() 函数主要用于在数据框中同时对多个列进行相同的操作。它适用于 mutate()、summarise() 和其他一些函数，允许你指定多个列并对它们应用相同的函数或操作

xxxxxxxxxx
library(dplyr)

df <- data.frame(
  A = c(1, 2, 3),
  B = c(4, 5, 6),
  C = c(7, 8, 9)
)

df %>%
  mutate(across(c(A, B, C), ~ . * 2))

上述例子中，across(c(A, B, C), ~ . * 2) 将对 A、B 和 C 列都应用了乘以2的操作。

across() 主要用于对多个列进行相同的操作