正如@Quiten提到的，数据中的观察数量是有限的，所以分组方法会返回错误。如果我们想对多列执行此操作，请对summarise中的列执行across循环，从list输出中提取所需的组件作为tibble，然后使用unnest_wider创建宽数据集

library(dplyr)
library(tidyr)
library(EnvStats)
library(tibble)
library(flextable)
library(officer)
dat1 <- dat %>%
  mutate(date2 = as.numeric(as.Date(date))) %>%
  # group_by(name) %>%
  # or use reframe in the devel version
  summarise(across(rig:pass, ~ 
                     {tmp <- kendallTrendTest(reformulate('date2', 
     response = cur_column()))
                     tibble(trend_slope = tmp$estimate['slope'],
                            trend_pvalue = tmp$p.value)})) %>%
  unnest_wider(where(is_tibble), names_sep = "_") %>%
  flextable %>%
  colformat_double(i=1,digit=2 )
for(nm in dat1$col_keys)
  {dat1 <- dat1 %>%
  color(i= as.formula(sprintf("~%s<0", nm)), j=nm, color="red")
  }

• 输出

要保存为word格式，我们可以使用officer包中的save_as_docx

tf <- tempfile(fileext = ".docx")
save_as_docx(
  dat1, path = tf
)

• 输出
  

注：此处group_by(name)被注解，因为只有2个观察值，并且在所有情况下都返回错误。对于完整数据集，取消注解group_by（名称）
broom::tidy似乎与kendallTrendTest中的类存在问题

首先，每组只有两个值，这是不理想的。要计算每组的趋势，可以使用dplyr、group_by和do执行测试。还要确保kendallTrendTest中的x变量是数值。可以使用tidy获得一些系数。下面是一个可重现的示例：

library(dplyr)
library(EnvStats)
library(broom)

models <- dat %>% 
  mutate(date2 = as.numeric(as.Date(date))) %>%
  group_by(name) %>% 
  do(model = kendallTrendTest(rig ~ date2, data = .))

models %>% 
  broom::tidy(model)