如何仅对数据集中的定量变量使用sapply()函数计算统计量？

你想计算数据集中定量变量的均值、中位数、极值和标准差，但数据里混有分类变量，即便加了na.rm = TRUE参数，还是反复出现报错。

你使用的代码： #

sapply(data, function(x) c("Stand dev" = sd(x, na.rm =TRUE), 
                         "Mean"= mean(x,na.rm=TRUE),
                         "Median" = median(x, na.rm=TRUE),
                         "Minimum" = min(x, na.rm =TRUE),
                         "Maximun" = max(x, na.rm =TRUE)))

报错信息（翻译后）： #

警告：强制转换时产生了NA
警告：参数不是数值型或逻辑型：返回NA
警告：强制转换时产生了NA
警告：参数不是数值型或逻辑型：返回NA
警告：强制转换时产生了NA
警告：参数不是数值型或逻辑型：返回NA

问题原因 #

sapply会遍历数据集的每一列，包括分类变量（比如字符型、因子型），但sd、mean这些统计函数只能处理数值型变量，强行计算分类变量时R会尝试把它转成数值，失败后就抛出警告并返回NA。

解决方法 #

方法1：手动筛选数值型列再计算

可以先提取数据集中的数值型子集，再执行统计，结果更干净：

# 提取所有数值型列
numeric_cols <- data[sapply(data, is.numeric)]

# 对数值型列计算统计量
sapply(numeric_cols, function(x) c(
  "标准差" = sd(x, na.rm = TRUE),
  "均值" = mean(x, na.rm = TRUE),
  "中位数" = median(x, na.rm = TRUE),
  "最小值" = min(x, na.rm = TRUE),
  "最大值" = max(x, na.rm = TRUE)
))

也可以在sapply内部加判断，跳过非数值型列：

sapply(data, function(x) {
  if (is.numeric(x)) {
    c(
      "标准差" = sd(x, na.rm = TRUE),
      "均值" = mean(x, na.rm = TRUE),
      "中位数" = median(x, na.rm = TRUE),
      "最小值" = min(x, na.rm = TRUE),
      "最大值" = max(x, na.rm = TRUE)
    )
  }
})

方法2：用dplyr包简化操作

如果熟悉tidyverse系列包，用dplyr的语法会更简洁直观：

library(dplyr)

data %>%
  # 筛选数值型列
  select_if(is.numeric) %>%
  # 对每列计算指定统计量
  summarise_all(list(
    标准差 = ~sd(., na.rm = TRUE),
    均值 = ~mean(., na.rm = TRUE),
    中位数 = ~median(., na.rm = TRUE),
    最小值 = ~min(., na.rm = TRUE),
    最大值 = ~max(., na.rm = TRUE)
  ))

内容的提问来源于stack exchange，提问作者ish