R语言中如何用循环按列分组计算每行均值（大维度数据）

嘿，作为R新手能想到用循环处理大维度数据的需求已经很棒啦！针对你按列前缀分组计算每行均值的问题，我来一步步给你讲清楚怎么实现：

首先，我们得先把列名转换成对应的分组标签，这样才能明确哪些列属于同一个组：

步骤1：生成分组标签 #

你的列名都是var a1、var a2这种格式，我们可以用正则表达式去掉末尾的数字，得到每个列对应的分组：

# 假设你的数据框/矩阵叫x
groups <- sub("\\d+$", "", colnames(x))
# 这会得到像 c("var a ", "var a ", "var b ", "var b ", ...) 这样的向量

解释一下：\\d+$是匹配列名末尾的所有数字，sub函数把这些数字替换成空字符串，就得到了每个列所属的分组前缀。

步骤2：准备结果容器 #

因为你的数据量很大（50万行），千万不要在循环里用cbind动态扩展结果，那样会非常慢。我们先提前初始化一个结果矩阵：

# 获取所有唯一的分组名称
unique_groups <- unique(groups)
# 创建结果矩阵，行数和原数据一致，列数等于分组数
result <- matrix(
  nrow = nrow(x),
  ncol = length(unique_groups),
  dimnames = list(NULL, unique_groups)
)

步骤3：循环计算每行均值 #

现在就可以遍历每个分组，计算对应列的每行均值了：

for (g in unique_groups) {
  # 找到当前分组对应的所有列的索引
  target_cols <- which(groups == g)
  # 计算这些列的每行均值，赋值到结果矩阵的对应列
  result[, g] <- rowMeans(x[, target_cols])
}

额外小提示（进阶高效方法） #

如果之后你熟悉了R的向量化操作，其实可以不用循环，用dplyr或者data.table来更高效地处理：
比如用dplyr的话：

library(dplyr)
library(tidyr)

x %>%
  as.data.frame() %>%
  mutate(row_id = row_number()) %>% # 添加行号用于分组
  pivot_longer(-row_id, names_to = "group", values_to = "value") %>%
  mutate(group = sub("\\d+$", "", group)) %>%
  group_by(row_id, group) %>%
  summarise(mean_value = mean(value)) %>%
  pivot_wider(names_from = group, values_from = mean_value) %>%
  select(-row_id)

不过对于新手来说，先把循环的方法搞懂是基础，等熟练了再尝试这些更简洁的方法~

内容的提问来源于stack exchange，提问作者Mateusz