如何创建函数计算数据框子集的列均值？R语言技术求助

问题背景 #

示例数据集及创建代码：

A <- c("hi", "bye", "hi", "hi", "bye")
B <- c(1, 2, 1, 9, 4)
C <- c(2, 5, 6, 1, 4)

HiBye.df <- data.frame(A, B, C)

数据集内容：

A B C
1  hi 1 2
2 bye 2 5
3  hi 1 6
4  hi 9 1
5 bye 4 4

手动计算单个分组（A="hi"）均值的代码可行：

HiMeans <- subset(HiBye.df, A == "hi")
HiMeans <- colMeans(HiMeans[, c(2:3)], na.rm = TRUE)

结果：

B        C 
3.666667 3.000000 

但自定义函数处理多分组时出错：

means <- function (x){
  subsetx <- subset(HiBye.df, A == "x")
  meanx <- colMeans(subsetx[ ,c(2:3)])
  meanx
}

# 调用返回NaN
means(hi)

返回结果：

B    C 
NaN NaN 

错误原因 #

1. 函数中A == "x"是匹配字符串"x"，而非传入的参数x，导致无法筛选目标分组；
2. 调用means(hi)时，hi未加引号，R会将其视为未定义变量而非字符串。

解决方案 #

方案1：修正自定义函数 #

修改函数内的匹配逻辑，直接使用参数x，调用时传入字符串：

means <- function(x){
  subsetx <- subset(HiBye.df, A == x)
  meanx <- colMeans(subsetx[, c(2:3)], na.rm = TRUE)
  meanx
}

# 正确调用
means("hi")
means("bye")

方案2：使用内置aggregate函数（推荐，无需自定义函数） #

自动处理所有分组，直接输出各分组的均值：

aggregate(cbind(B, C) ~ A, data = HiBye.df, FUN = mean, na.rm = TRUE)

输出结果：

A        B        C
1 bye 3.000000 4.500000
2  hi 3.666667 3.000000

方案3：使用dplyr包（适合复杂数据处理场景） #

语法更直观，支持链式操作：

library(dplyr)

HiBye.df %>%
  group_by(A) %>%
  summarise(across(c(B, C), mean, na.rm = TRUE))

输出结果与aggregate一致。

内容的提问来源于stack exchange，提问作者katy123456