如何在R语言for循环中正确使用subset()计算鸢尾花数据集均值

你的循环代码存在逻辑错误，导致每次都计算了整个数据集的均值，具体问题和修正方案如下：

错误原因 #

循环里的筛选条件Species==levels(Species)有问题：levels(Species)会返回iris$Species的所有水平向量（即c("setosa", "versicolor", "virginica")），R会对每一行的Species值做循环补齐对比——只要该行值匹配任意一个水平就返回TRUE，最终会选中iris的所有行，所以每次计算的都是全局均值，结果全部相同。

修正后的代码 #

方法1：按索引循环水平

保留你初始的向量初始化方式，修改循环内的筛选条件，每次取对应索引的物种水平：

medie <- rep(NA,3)
names(medie) <- levels(iris$Species)

for (i in 1:length(medie)){
    # 提取当前循环对应的物种水平
    current_sp <- levels(iris$Species)[i]
    # 筛选对应物种的行，计算Petal.Length均值
    medie[i] <- mean(subset(iris, Species == current_sp)$Petal.Length)
}

方法2：直接循环物种水平（更直观）

不需要提前初始化向量长度，直接按物种名称赋值：

medie <- c()
for (sp in levels(iris$Species)){
    medie[sp] <- mean(subset(iris, Species == sp)$Petal.Length)
}

正确结果验证 #

运行修正后的代码，会得到各物种分组的真实均值：

> medie
    setosa versicolor  virginica 
     1.462      4.260      5.552

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