如何优化大型数据框中每列特定间隔行的均值计算？

需求说明 #

我有一个包含48列、481行的大型数据集，需要计算每列中每第12行（如单元格[12,1]、[24,1]等）的均值，并对所有列重复该操作。目前我只能手动处理5行，用的是非常繁琐的非最优代码：

原实现代码 #

# 每96行取一个值（共5行）计算均值，然后绘图，对每列重复此操作
# modified_Candida_albicans_5plates_48h 是数据框
for (l in 1:47){
    A = (as.numeric(modified_Candida_albicans_5plates_48h[row,column]))
    row = row + 96
    B = (as.numeric(modified_Candida_albicans_5plates_48h[row,column]))
    row = row + 96
    C = (as.numeric(modified_Candida_albicans_5plates_48h[row,column]))
    row = row + 96
    D = (as.numeric(modified_Candida_albicans_5plates_48h[row,column]))
    row = row + 96
    E = (as.numeric(modified_Candida_albicans_5plates_48h[row,column]))
    meana = c(A,B,C,D,E)
    meanb = mean(meana)
    points(time,meanb,pch = 19, col="blue")
    time = time + 1
    column = column + 1
    row = row - 384
  }

优化方案 #

方法1：Base R 实现 #

直接通过行索引筛选指定间隔的行，用批量函数计算均值，彻底替代手动循环：

# 筛选行号为12的倍数的行（12、24、36...）
selected_rows = seq(from = 12, to = nrow(modified_Candida_albicans_5plates_48h), by = 12)
# 提取对应行的数据子集
subset_data = modified_Candida_albicans_5plates_48h[selected_rows, ]
# 批量计算每列均值（自动跳过缺失值）
column_means = colMeans(subset_data, na.rm = TRUE)

# 如果是按原代码逻辑，取间隔96行的5个值（如行号1、97、193...），替换成：
# selected_rows = seq(from = 1, to = 1 + 96*4, by = 96)

# 绘图也能批量完成
plot(1:length(column_means), column_means, pch = 19, col = "blue", type = "p")

方法2：dplyr 实现（更直观） #

用tidyverse工具链的语法，逻辑更清晰：

library(dplyr)

# 筛选12的倍数行并计算每列均值
column_means = modified_Candida_albicans_5plates_48h %>%
  slice(seq(12, n(), by = 12)) %>%
  summarise(across(everything(), mean, na.rm = TRUE))

# 对应原代码间隔96行的逻辑：
# column_means = modified_Candida_albicans_5plates_48h %>%
#   slice(seq(1, 1 + 96*4, by = 96)) %>%
#   summarise(across(everything(), mean, na.rm = TRUE))

# 批量绘制点图
points(1:ncol(column_means), unlist(column_means), pch = 19, col = "blue")

核心优势 #

• 摆脱手动逐行取值的冗余循环，代码简洁易维护
• 自动批量处理所有列，无需手动管理列索引
• 适配数据集行数变化，不用硬编码固定行号
• 支持自动忽略缺失值，结果更可靠

内容的提问来源于stack exchange，提问作者Johannes Dekeyser