如何编写遍历不同长度DataFrame的函数以计算行均值与求和

我有两个长度不同的DataFrame，每个都包含两个数值列，想要编写一个函数，为每个DataFrame计算每行两列的均值和求和。

重建DataFrame的代码 #

library(tidyverse)

# 创建数据框
day1 <- c(1,2,3,4,5)
day2 <- c(1,2,3,4)
value11 <- c(6,7,8,9,10)
value12 <- c(11,12,13,14,15)
value21 <- c(2,4,6,8)
value22 <- c(1,3,5,7)

df1 <- data.frame(day1,value11,value12)
df2 <- data.frame(day2,value21,value22)
dfs <- list(df1,df2)
names(dfs) <- c("df1","df2")

单个DataFrame的处理循环 #

# 生成均值和求和列
for (i in 1:dim(df1)[1]) {
df1$meanval[i] <- mean(df1$value11[i],df1$value12[i])
df1$sumval[i] <- sum(df1$value11[i],df1$value12[i])
}

报错的批量处理代码 #

# 尝试编写批量处理函数
SumAndMean<-function(x){
for (i in 1:dim(dfs)[[i]][1]) {
x$meanval[i] <- mean(x[[2]][i],x[[3]][i])
x$sumval[i] <- sum(x[[2]][i],x[[3]][i])
}
}

# 应用函数到DataFrame列表
lapply(seq_along(dfs), function(i) SumAndMean(dfs[i]))

错误分析 #

1. 循环条件逻辑错误：函数里的dim(dfs)[[i]][1]完全错误，既引用了外部的dfs列表，又误用了循环变量i，应该基于传入的参数x获取行数。
2. DataFrame提取错误：lapply中dfs[i]返回的是长度为1的子列表，不是单个DataFrame，应该用dfs[[i]]。
3. 未返回处理结果：函数内部修改x后没有返回，lapply最终会得到一堆NULL。
4. 未初始化新列：直接赋值x$meanval[i]会触发警告，最好预先初始化列。

修正方案 #

方案1：修正循环版函数

SumAndMean <- function(x){
  # 预先初始化新列，避免警告
  x$meanval <- numeric(nrow(x))
  x$sumval <- numeric(nrow(x))
  
  # 基于当前传入的DataFrame行数循环
  for (i in 1:nrow(x)) {
    x$meanval[i] <- mean(x[[2]][i], x[[3]][i])
    x$sumval[i] <- sum(x[[2]][i], x[[3]][i])
  }
  
  # 返回处理后的DataFrame
  return(x)
}

# 直接用lapply遍历dfs列表，自动传入每个DataFrame
result_dfs <- lapply(dfs, SumAndMean)

方案2：更高效的tidyverse风格写法

既然已经加载了tidyverse，可以用向量化操作替代循环，代码更简洁高效：

SumAndMean_tidy <- function(x){
  # 提取除第一列（day列）外的数值列
  num_cols <- x %>% select(-1)
  
  x %>%
    mutate(
      sumval = rowSums(num_cols),  # 行求和
      meanval = rowMeans(num_cols) # 行均值
    )
}

# 批量处理
result_dfs_tidy <- lapply(dfs, SumAndMean_tidy)

这种写法无需手动循环，rowSums和rowMeans会自动按行计算，数据量大时性能远优于循环。

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