在nycflights13中计算air_time均值时遇‘对象不存在’错误求助

嗨，我来帮你搞定这个问题！

你遇到的错误核心是用错了函数：select()的作用是选择数据框里的列，它只认列名（或者列的位置、starts_with这类选择助手），根本不支持像mean(air_time)这样的聚合计算。当你在select()里写mean(air_time)时，R会误以为你要找一个叫mean(air_time)的列——当然找不到，所以才会报air_time不存在的错（其实不是air_time找不到，是你的用法完全错了）。

正确的做法：用summarize()计算聚合均值 #

如果你想计算出发地为EWR、JFK、LGA的航班的air_time均值，需要先筛选出符合条件的航班，再用summarize()（或者英式拼写summarise()）来计算聚合值，还要记得处理缺失值（air_time里有NA，不加na.rm=TRUE的话结果会是NA）：

flights %>%
  # 筛选出发地是EWR/JFK/LGA的航班
  filter(origin %in% c("EWR", "JFK", "LGA")) %>%
  # 计算air_time的均值，命名为avg_air_time
  summarize(avg_air_time = mean(air_time, na.rm = TRUE))

为什么之前的select(air_time)能正常运行？ #

select(air_time)是直接指定要选择air_time这一列，这时候air_time作为列名被dplyr正确识别，所以没问题。但select(mean(air_time))是让select()去解析一个计算表达式，这时候mean()会先试图调用，但air_time只存在于flights数据框里，不在当前的全局环境，自然就报错了。

另外两种可选写法（供参考） #

如果你只是想快速得到均值，也可以用pull()把air_time列提取成向量再计算：

flights %>%
  filter(origin %in% c("EWR", "JFK", "LGA")) %>%
  pull(air_time) %>%
  mean(na.rm = TRUE)

要是你想给原数据框新增一列均值（比如每条航班都显示整体均值），可以用mutate()：

flights %>%
  filter(origin %in% c("EWR", "JFK", "LGA")) %>%
  mutate(avg_air_time = mean(air_time, na.rm = TRUE))

内容的提问来源于stack exchange，提问作者States