是否应使用unnest_wider与rowMeans计算列表列平均值？求高效方案

一、针对当前带列表列的宽格式数据集 #

你遇到的unnest_wider报错，本质是参数传递不符合要求：该函数的第二个参数需要传入列名的字符/数值向量，你可能误传了数据框对象。不过其实不用展开列表列，直接对每行的列表计算平均值更高效：

方法1：用dplyr的rowwise+mean #

library(dplyr)

dataset <- dataset %>%
  rowwise() %>%
  mutate(avg_value = mean(years, na.rm = TRUE)) %>% # 将years替换为你的列表列名
  ungroup()

方法2：用purrr的map_dbl批量计算 #

如果不用dplyr，也可以直接用purrr处理列表列：

library(purrr)

dataset$avg_value <- map_dbl(dataset$years, ~mean(.x, na.rm = TRUE))

之前直接用rowMeans、apply无效，是因为这些函数仅支持数值型矩阵/数据框，无法识别列表类型的列。

二、推荐：直接从原始长格式计算（更简单高效） #

你提到数据集是通过pivot_wider和t()转换而来，其实完全没必要转成宽格式再处理——原始长格式下计算平均值更直接，还能避免列表列的麻烦：

假设你的原始长格式数据结构如下（示例）：

直接按索引分组计算平均值：

library(dplyr)

original_long_data %>%
  group_by(索引列) %>% # 替换为你实际的索引列名
  summarise(avg_value = mean(value, na.rm = TRUE)) # 替换为你实际的数值列名

如果不用dplyr，用基础R的aggregate也能实现：

aggregate(value ~ 索引列, data = original_long_data, FUN = mean, na.rm = TRUE)

这样得到的结果直接就是每个索引对应的平均值，步骤更少且不易出错。

内容的提问来源于stack exchange，提问作者user3278