如何用group_map逐列计算数据框分组均值？避免嵌套mapply

给定测试数据框（添加随机种子保证结果可复现）：

set.seed(123)
df <- data.frame(group = c("A", "A", "B", "B", "C", "C"),
                 size = sample(1:100, 6),
                 length = sample(10:30, 6))

方法1：dplyr + across()（推荐） #

借助dplyr的分组语法结合across()，可以一次性对所有非分组列计算均值，代码清晰易读：

library(dplyr)

df %>%
  group_by(group) %>%
  summarize(across(everything(), mean, .names = "mean_{.col}"))

• across(everything())指定对除分组列外的所有列应用计算
• .names参数用于自定义结果列名，让输出更直观

方法2：base R aggregate() 函数 #

无需额外加载包，用base R原生函数即可实现：

aggregate(. ~ group, data = df, FUN = mean)

• . ~ group表示以group为分组键，对其余所有列执行mean计算

方法3：data.table 高效实现 #

如果处理大规模数据，data.table的性能优势明显，写法同样简洁：

library(data.table)

setDT(df)[, lapply(.SD, mean), by = group]

• setDT()将普通数据框转换为data.table对象
• .SD代表所有非分组列，lapply(.SD, mean)批量计算均值
• by = group指定分组依据

以上方法均避免了嵌套mapply或逐列调用group_map的繁琐操作，可直接批量完成分组均值计算。

内容的提问来源于stack exchange，提问作者trilisser