如何在R中简洁地同时汇总多个独立变量？

你目前通过两次调用ddply再合并的方式确实可以实现需求，但可以通过以下几种更简洁的方式一次性完成多变量汇总：

方法1：在plyr的summarise中直接同时计算多变量 #

不用拆分两次处理，直接在同一个ddply调用里对Yield和Protein分别计算统计量，变量名也更清晰：

library(plyr)
data_summary <- ddply(dataA, c("Cultivar", "Nitrogen"), summarise,
               # Yield相关统计量
               Yield_mean = mean(Yield),
               Yield_sd = sd(Yield),
               Yield_n = length(Yield),
               Yield_se = Yield_sd / sqrt(Yield_n),
               # Protein相关统计量
               Protein_mean = mean(Protein),
               Protein_sd = sd(Protein),
               Protein_n = length(Protein),
               Protein_se = Protein_sd / sqrt(Protein_n))

运行后得到的结果和你原来的逻辑一致，但变量名更明确，避免了原代码中mean同时对应两个指标的歧义。

方法2：用tidyverse（dplyr+tidyr）实现灵活的多变量汇总 #

如果后续需要扩展更多待汇总的变量，这种方法扩展性更强，先把宽表转长，分组统计后再转回宽表：

library(tidyverse)
data_summary <- dataA %>%
  # 保留分组变量和需要汇总的指标
  select(Cultivar, Nitrogen, Yield, Protein) %>%
  # 宽表转长表，将Yield和Protein转为变量列
  pivot_longer(cols = c(Yield, Protein), names_to = "Variable", values_to = "Value") %>%
  # 按分组变量和指标分组
  group_by(Cultivar, Nitrogen, Variable) %>%
  # 计算统计量
  summarise(mean = mean(Value),
            sd = sd(Value),
            n = n(),
            se = sd / sqrt(n)) %>%
  # 长表转宽表，恢复类似原结果的格式
  pivot_wider(names_from = Variable, values_from = c(mean, sd, n, se), names_sep = "_")

这种方式的好处是，哪怕后续要加10个指标，只需要在pivot_longer的cols参数里新增变量名即可，无需修改统计逻辑部分。

方法3：用data.table实现高效汇总 #

如果你的数据集很大，data.table的运行效率会比plyr更高，语法也更简洁：

library(data.table)
# 将data.frame转为data.table
setDT(dataA)
# 按Cultivar和Nitrogen分组计算
data_summary <- dataA[, .(
  Yield_mean = mean(Yield),
  Yield_sd = sd(Yield),
  Yield_n = .N, # .N代表当前分组的行数
  Yield_se = Yield_sd / sqrt(Yield_n),
  Protein_mean = mean(Protein),
  Protein_sd = sd(Protein),
  Protein_n = .N,
  Protein_se = Protein_sd / sqrt(Protein_n)
), by = .(Cultivar, Nitrogen)]

示例结果（以方法1为例） #

Cultivar Nitrogen Yield_mean Yield_sd Yield_n  Yield_se Protein_mean Protein_sd Protein_n Protein_se
1      CV1       N0         99 10.00000       3   5.77350        35.000   10.00000         3    5.77350
2      CV1       N1        130 13.74773       3   7.93725        44.000    11.0000         3    6.35085
3      CV1       N2        140 18.08314       3  10.44031        40.000    18.0831         3   10.44031
4      CV1       N3        138 12.52996       3   7.23418        38.000    12.52996         3    7.23418
5      CV2       N0         95 11.53256       3   6.65833        55.000    35.6651         3   20.59935
6      CV2       N1        123  5.29150       3   3.05505        41.000    25.9422         3   15.01111
7      CV2       N2        151  5.19615       3   3.00000        48.6667     4.7258         3    2.72845
8      CV2       N3        164 12.12436       3   7.00000        64.000    12.12436         3    7.00000

内容的提问来源于stack exchange，提问作者J.K Kim