如何用apply/lapply函数批量计算多列数据的95分位数？

你的代码有两个关键问题导致结果和单独计算不一致：

1. 索引方式错误：data[v]返回的是单列数据框，而data$item1是向量，虽然quantile能处理数据框，但更稳妥且和单独计算逻辑一致的是用data[[v]]直接提取向量。
2. 参数拼写错误：digites应该是digits，写错后该参数会被忽略，可能导致精度差异。

修正后的批量计算代码 #

如果你想用索引遍历列，修改后的代码如下：

quantile_list <- lapply(1:50, function(v) {
  quantile(data[[v]], probs = 0.95, na.rm = TRUE, names = FALSE, type = 9, digits = 2)
})

更简洁的方式是直接遍历数据框的列，不需要手动写索引：

# 用lapply得到列表结果
quantile_list <- lapply(data, function(col) {
  quantile(col, probs = 0.95, na.rm = TRUE, names = FALSE, type = 9, digits = 2)
})

# 用sapply得到向量结果（更方便后续处理）
quantile_vec <- sapply(data, function(col) {
  quantile(col, probs = 0.95, na.rm = TRUE, names = FALSE, type = 9, digits = 2)
})

批量替换异常值的扩展 #

既然你要替换异常值，这里提供批量将每列中大于95分位数的值替换为95分位数的代码：

data_cleaned <- data.frame(lapply(data, function(col) {
  q95 <- quantile(col, probs = 0.95, na.rm = TRUE, type = 9)
  ifelse(col > q95, q95, col)
}))
# 恢复原列名
names(data_cleaned) <- names(data)

内容的提问来源于stack exchange，提问作者user21531215