如何在R中按分类变量自动计算均值/众数并制表？

核心需求 #

针对包含taxon_name（物种分类）及多类性状的长/宽格式数据，自动对每个唯一物种完成：

• 数值型性状（如seed_dry_mass、seed_length）计算均值
• 字符型性状（如plant_growth_form）计算众数
• 输出结构化汇总表格，适配现有及新增物种/性状

示例数据结构 #

宽格式数据示例：

taxon_name	seed_dry_mass	seed_length	plant_growth_form	leaf_shape
Abies alba	0.23	5.1	Tree	Needle
Abies alba	0.21	4.9	Tree	Needle
Pinus sylvestris	0.15	3.2	Tree	Needle
Pinus sylvestris	0.17	3.4	Shrub	Needle

自动化实现代码（Python + Pandas） #

import pandas as pd
from scipy.stats import mode

# 读取原始数据（替换为你的数据路径/读取方式）
df = pd.read_csv("species_traits.csv")

# 自动识别数值型、字符型性状列（排除taxon_name）
numeric_cols = df.select_dtypes(include=["int64", "float64"]).columns.drop("taxon_name", errors="ignore")
categorical_cols = df.select_dtypes(include=["object"]).columns.drop("taxon_name", errors="ignore")

# 构建聚合规则：数值型取均值，字符型取众数
agg_rules = {}
for col in numeric_cols:
    agg_rules[col] = "mean"
for col in categorical_cols:
    # 处理缺失值，取第一个出现的众数
    agg_rules[col] = lambda x: mode(x.dropna(), keepdims=False).mode

# 按物种分类分组聚合，生成汇总表
summary_df = df.groupby("taxon_name").agg(agg_rules).reset_index()

# 输出结果并保存
print(summary_df)
summary_df.to_csv("species_traits_summary.csv", index=False)

关键说明 #

1. 自动适配新物种/性状：代码通过select_dtypes自动识别列类型，无需手动指定性状列名，新增物种或性状时无需修改代码
2. 众数处理：使用scipy.stats.mode计算众数，同时通过dropna()跳过缺失值，避免干扰结果
3. 格式兼容：若原始数据为长格式，可先通过pd.pivot_table转换为宽格式后再执行上述代码
4. 可扩展性：如需添加其他统计量（如数值型的中位数、标准差），直接在agg_rules中新增对应规则即可

内容的提问来源于stack exchange，提问作者user22444391