如何创建带特定参数的自定义函数计算分组列均值（R语言）

我正在处理一个包含约8000条观测的dataframe，数据来自19个调查站点与10个调查季（共190次调查）。需要按每次调查（即每个调查季+站点的组合）计算列均值，不想逐个处理，于是编写了自定义函数，但运行报错。

编写的函数 #

newFunction<- function(df, x = "survey", y = "survey_site_number", a = 1, b = 1){
  repeat{
    for (x in "season") {
      if(x == a){
        repeat{
          if(y == b){
            rbind(c(1:10, colMeans(df[,c(11:161)])))
          } b <- (b+1)
          if(y>19){
            break
          }
        }
      }a <-(a+1)
      if(x>10){
        break
      }
    }
  }
}

报错信息 #

Error: unexpected ')' in:
"          if(y == b){
            colMeans(df[,c(11:161)]))"

需求：创建一个函数，针对每个调查季+站点的组合，输出包含前10列元数据、其余列均值的行，并遍历所有组合完成计算。

附数据结构：

structure(list(season = c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), survey_site_number = c(1, 
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 
1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 
2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3), Acanthastrea = c(0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L), Acanthophyllia = c(0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L), Acropora = c(0L, 
0L, 2L, 2L, 0L, 0L, 4L, 2L, 0L, 0L, 0L, 0L, 0L, 2L, 0L, 4L, 2L, 
0L, 2L, 0L, 0L, 6L, 2L, 0L, 0L, 0L, 4L, 0L, 0L, 8L, 0L, 0L, 0L, 
4L, 6L, 0L, 0L, 0L, 2L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 6L, 4L, 2L, 
2L, 0L, 0L, 0L, 8L, 2L, 0L, 0L, 0L, 2L, 0L, 10L, 0L, 0L, 0L, 
12L, 2L, 0L, 4L, 2L, 0L, 0L, 0L, 0L, 6L, 0L, 8L, 4L, 0L, 0L, 
0L, 2L, 0L, 6L, 0L, 0L, 0L, 2L, 2L, 4L, 2L, 12L, 24L, 0L, 4L, 
2L, 0L, 0L, 2L, 0L, 0L)), row.names = c(NA, 100L), class = "data.frame")

1. 直接语法错误修复 #

你遇到的报错是因为colMeans(df[,c(11:161)]))多了一个右括号，修正为colMeans(df[,c(11:161)])即可解决这个语法问题，但函数本身还有多处逻辑缺陷：

• 函数参数x和循环变量x重名，导致变量混淆
• for (x in "season")仅循环单个字符串，未遍历season列的实际取值
• 外层repeat循环无终止条件，会无限运行
• rbind未存储结果，仅临时生成数据，无法保留计算结果
• 分组判断逻辑x == a、y == b不符合按调查季+站点分组计算的需求

2. 推荐解决方案：用dplyr分组聚合 #

无需编写复杂循环，使用dplyr的分组聚合功能可以简洁实现需求：

library(dplyr)

# 按调查季和站点分组计算均值
survey_means <- df %>%
  group_by(season, survey_site_number) %>%
  summarise(
    # 保留前10列元数据（同组内值一致时取第一个值即可）
    across(1:10, first),
    # 计算第11列到最后一列的均值，自动处理缺失值
    across(11:ncol(.), mean, na.rm = TRUE),
    .groups = "drop"
  )

说明：

• group_by(season, survey_site_number)：按调查季和站点组合分组
• across(1:10, first)：若前10列是分组的元数据（同组内值相同），取组内第一个值即可；若元数据需要计算均值，可将first()替换为mean
• across(11:ncol(.), mean, na.rm = TRUE)：计算数值列的均值，na.rm = TRUE用于忽略缺失值

3. 自定义函数实现 #

如果需要自定义函数，可参考以下逻辑：

calculate_survey_means <- function(df, group_cols = c("season", "survey_site_number"), meta_cols = 1:10, value_cols = 11:ncol(df)){
  # 获取所有唯一的调查季+站点组合
  groups <- unique(df[, group_cols])
  
  # 初始化结果数据框
  result <- data.frame()
  
  # 遍历每个分组组合
  for(i in 1:nrow(groups)){
    # 筛选当前分组的观测数据
    current_group <- df %>%
      filter(
        season == groups$season[i],
        survey_site_number == groups$survey_site_number[i]
      )
    
    # 提取元数据（假设同组元数据一致，取第一行）
    meta_data <- current_group[1, meta_cols]
    
    # 计算数值列的均值
    mean_values <- colMeans(current_group[, value_cols], na.rm = TRUE)
    
    # 合并元数据与均值结果
    current_result <- cbind(meta_data, as.data.frame(t(mean_values)))
    
    # 将当前分组结果合并到总结果中
    result <- rbind(result, current_result)
  }
  
  return(result)
}

# 调用自定义函数计算均值
survey_means <- calculate_survey_means(df)

这个函数的核心逻辑是：先获取所有唯一的分组组合，再逐个筛选对应数据、提取元数据、计算均值，最后合并所有结果。

内容的提问来源于stack exchange，提问作者joe murray