R语言中对数据框指定列应用自定义函数生成新列报错求助

问题背景 #

需将自定义香农多样性指数函数应用到数据框df的第12至17列，每行返回一个指数值并作为新列添加，但批量处理时出现长度不匹配错误。

自定义函数 #

shannon <- function(p){
  if (0 %in% p) {
    p = replace(p,p==0,0.0001)
  } else {
    p
  }
  H = -sum(p*log(p))
  return (H)
}

测试与错误情况 #

• 单行测试正常：执行shannon(as.vector(t(df[3000,12:17])))可正确返回值1.357692
• 批量处理代码：

df <- mutate(df, shannon = sapply(as.vector(t(census[,12:17])), shannon))

• 错误信息：

Error in mutate():
! Problem while computing shannonVal = sapply(as.vector(t(census[, 12:17])), shannon).
✖ shannonVal must be size 9467 or 1, not 56802.

数据框共9467行，sapply返回结果长度为56802（行数×6）。

错误原因分析 #

as.vector(t(census[,12:17]))将6列的所有数据转换为一个一维向量，总长度为9467×6=56802。sapply会对该向量中的每个单独元素调用shannon函数，而非按每行的6个元素组调用，导致返回结果长度与数据框行数不匹配，触发mutate报错。

解决方法 #

方法1：tidyverse风格——rowwise() + c_across() #

通过rowwise()指定按行处理，c_across()提取每行的目标列作为向量传入函数：

library(dplyr)
df <- df %>%
  rowwise() %>%
  mutate(shannon = shannon(c_across(12:17))) %>%
  ungroup() # 取消行分组，避免后续操作性能下降

方法2：基础R风格——apply()按行处理 #

使用apply函数指定MARGIN=1实现按行应用函数：

df$shannon <- apply(df[,12:17], MARGIN = 1, FUN = shannon)

方法3：tidyverse风格——pmap_dbl() #

借助purrr包的pmap_dbl，将每行的目标列作为参数组传入函数：

library(dplyr)
library(purrr)
df <- df %>%
  mutate(shannon = pmap_dbl(select(., 12:17), ~shannon(c(...))))

内容的提问来源于stack exchange，提问作者mankojag