如何用purrr的map函数计算矩阵列的峰度？NaN报错求解

我使用datasets::volcano作为数据集，用base R的apply可以顺利计算每列的峰度（指定e1071::kurtosis的type=2）和sd(x)/mad(x)指标，并生成新数据框：

install.packages('e1071')
library(e1071)
library(tidyverse)
mydata <- datasets::volcano
head(mydata)

# Part 1: base R实现
kurtosis <- apply(mydata, 2, function(x) kurtosis(x, type = 2))
new_measure <- apply(mydata, 2, function(x) sd(x) / mad(x))
base_mydata <- data.frame(kurtosis = kurtosis, new_measure = new_measure)

但改用purrr的map_dbl计算每列峰度时，得到的全是NaN值，代码如下：

# Part 2: 出现问题的purrr代码
kurtosis_value <- mydata %>%
  map_dbl(~ kurtosis(.x))

问题原因 #

volcano是矩阵类型，purrr的map系列函数默认会将矩阵视为一维向量，逐个迭代每个元素而非按列迭代。单个数值无法计算峰度，因此返回NaN；同时代码中未指定type=2参数，和Part1的计算逻辑不一致。

修正后的代码 #

1. 仅计算每列峰度

先将矩阵转为数据框（purrr对数据框默认按列迭代），同时加上type=2参数：

kurtosis_value <- mydata %>%
  as.data.frame() %>%
  map_dbl(~ kurtosis(.x, type = 2))

2. 完整复刻Part1的逻辑，生成包含两个指标的数据框

用dplyr实现：

dplyr_mydata <- mydata %>%
  as.data.frame() %>%
  summarize(
    across(everything(), list(
      kurtosis = ~ kurtosis(.x, type = 2),
      new_measure = ~ sd(.x) / mad(.x)
    ))
  ) %>%
  tidyr::pivot_longer(
    cols = everything(),
    names_to = c("column", ".value"),
    names_sep = "_"
  )

用purrr实现：

purrr_mydata <- mydata %>%
  as.data.frame() %>%
  purrr::map_dfr(
    ~ tibble(
      kurtosis = kurtosis(.x, type = 2),
      new_measure = sd(.x) / mad(.x)
    ),
    .id = "column"
  )

内容的提问来源于stack exchange，提问作者Ian Kelly