请求R代码帮助：如何对多列物种数据批量计算均值与标准差

方法1：基础循环实现 #

适合刚接触R的用户，逻辑清晰易懂：

1. 先筛选出所有目标物种列：

# 获取所有以species开头的列名，也可手动指定如c("species1", "species2")
species_cols <- grep("^species", colnames(edge2), value = TRUE)

2. 初始化空列表存储每个物种的计算结果：

result_list <- list()

3. 循环遍历每个物种列，计算分组均值和标准差：

for (col in species_cols) {
  col_mean <- tapply(edge2[[col]], edge2$Management, mean, na.rm = TRUE)
  col_sd <- tapply(edge2[[col]], edge2$Management, sd, na.rm = TRUE)
  # 合并为带物种标识的数据框
  result_list[[col]] <- data.frame(
    Management = names(col_mean),
    Species = col,
    Mean = col_mean,
    SD = col_sd,
    row.names = NULL
  )
}

4. 合并所有结果为汇总表格：

summary_table <- do.call(rbind, result_list)
print(summary_table)

方法2：tidyverse 简洁实现（推荐） #

用dplyr和purrr高效完成批量处理，输出格式规整：

先加载工具包：

library(tidyverse)

一步完成数据转换、分组计算与整理：

summary_table <- edge2 %>%
  # 宽格式转长格式，统一处理所有物种列
  pivot_longer(cols = starts_with("species"), 
               names_to = "Species", 
               values_to = "Value") %>%
  # 按管理类型和物种分组
  group_by(Management, Species) %>%
  # 计算均值和标准差，自动忽略缺失值
  summarise(Mean = mean(Value, na.rm = TRUE),
            SD = sd(Value, na.rm = TRUE),
            .groups = "drop") %>%
  # 按物种排序，结果更清晰
  arrange(Species)

print(summary_table)

若需要还原为类似示例的宽格式（每个物种占一列），可追加：

wide_summary <- summary_table %>%
  pivot_wider(names_from = Species,
              values_from = c(Mean, SD),
              names_sep = "_")

print(wide_summary)

方法3：data.table 高性能实现 #

针对超大数据集，data.table处理速度更占优势：

加载工具包并转换数据格式：

library(data.table)
setDT(edge2)

执行批量计算：

summary_table <- melt(edge2, 
                      id.vars = "Management",
                      measure.vars = patterns("^species"),
                      variable.name = "Species",
                      value.name = "Value")[, 
                        .(Mean = mean(Value, na.rm = TRUE), SD = sd(Value, na.rm = TRUE)),
                        by = .(Management, Species)]

print(summary_table)

注意事项 #

• 所有方法均添加na.rm = TRUE避免缺失值干扰，可根据实际数据调整。
• 若物种列命名规则不同，修改列名筛选条件即可（如手动指定列名向量）。

内容的提问来源于stack exchange，提问作者Riho Marja