如何将R中summary()的结果转换为可复用的结构化数据？

一、转换现有summary()结果为数值表格 #

如果已经执行了desc_stat <- summary(data)，可以通过以下方式将文本格式的结果转换为可直接复用的数值型表格：

1. 直接转换为数据框
   对于大多数场景，as.data.frame()可以快速将summary结果转为数据框格式：

desc_df <- as.data.frame(desc_stat)

注：此方法会保留原始的带标签文本（如Min. : 2.400），若需要纯数值，需进一步处理。

2. 提取数值型变量的纯统计值
   针对数值变量，遍历提取每个变量的统计量并整理为结构化表格：

# 以mtcars数据集为例演示
data(mtcars)
desc_stat <- summary(mtcars)

stat_table <- do.call(rbind, lapply(mtcars, function(var) {
  if (is.numeric(var)) {
    s <- summary(var)
    data.frame(
      Min = as.numeric(s[1]),
      Q1 = as.numeric(s[2]),
      Median = as.numeric(s[3]),
      Mean = as.numeric(s[4]),
      Q3 = as.numeric(s[5]),
      Max = as.numeric(s[6])
    )
  } else {
    # 处理分类变量，返回频数统计
    as.data.frame(table(var))
  }
}))

二、更高效的替代函数 #

如果不想处理summary()的文本结果，直接使用以下函数可生成原生可复用的数值统计表格：

• psych包的describe()
  输出包含均值、中位数、四分位数、标准差、极值等的标准数据框，支持批量处理变量：

library(psych)
describe(mtcars)

• skimr包的skim()
  生成更丰富的统计报告，同时支持数值和分类变量，结果为结构化表格：

library(skimr)
skim(mtcars)

• dplyr自定义统计量
  通过summarise_all()或summarise_at()自定义需要的统计量，灵活性极强：

library(dplyr)
mtcars %>%
  summarise_all(
    list(
      Min = min,
      Q1 = ~quantile(., 0.25, na.rm = TRUE),
      Median = median,
      Mean = mean,
      Q3 = ~quantile(., 0.75, na.rm = TRUE),
      Max = max
    )
  )

内容的提问来源于stack exchange，提问作者Sandro Conrado