R语言实现动态Group By：批量计算特征A的分组均值

首先，我明白你的需求：你手头有包含数值特征A和分类特征B、C的数据框，想要避免重复编写分组求和代码，批量遍历B、C这两个分类特征，分别计算A在各分组下的均值，最后把结果整理成方便查看的格式。

先看你给出的原始数据：

df = data.frame( 
  A = c(1, 4, 5, 13, 2), 
  B = c("Group 1", "Group 3", "Group 2", "Group 1", "Group 2"), 
  C = c("Group 3", "Group 2", "Group 1", "Group 2", "Group 3") 
)

你之前尝试的map_df代码逻辑有偏差，下面给你两种可行的解决方案：

方法一：用purrr::map生成结果列表 #

如果你想把每个分组的结果单独存在列表里，方便逐个查看，可以这么写：

library(dplyr)
library(purrr)

# 指定要用来分组的列名（B和C）
group_cols <- c("B", "C")

# 遍历每个分组列，计算A的均值
result_list <- map(group_cols, function(col) {
  df %>% 
    group_by(!!sym(col)) %>% 
    summarise(mean_A = mean(A), .groups = "drop")
})

# 给列表命名，方便识别分组来源
names(result_list) <- group_cols

# 查看结果
result_list

运行后，result_list里会有两个命名元素，比如result_list$B就是按B分组的均值结果，result_list$C对应按C分组的结果，清晰直观。

方法二：用purrr::map_dfr合并成单个数据框 #

如果你希望把所有结果合并成一个数据框，同时标注分组来源，方便批量对比，可以用map_dfr并添加分组标记列：

result_df <- map_dfr(group_cols, function(col) {
  df %>% 
    group_by(!!sym(col)) %>% 
    summarise(
      group_source = col,  # 添加一列标注当前是按哪个变量分组的
      mean_A = mean(A), 
      .groups = "drop"
    )
})

# 查看合并后的结果
result_df

这样得到的result_df会包含三列：分组类别（比如Group 1）、分组来源（B或C）、对应的A的均值，非常适合批量查看对比不同分组变量下的均值分布。

为什么你的原代码有问题？ #

你之前的代码逻辑走偏了：

• map_df(df, ...)是遍历数据框的每一列，而不是你想要的指定分组列
• names(df)[1:i]会从第一列开始累计分组列，比如第一次是A，第二次是A+B，第三次是A+B+C，这完全不是你要的「按单个分类列分组」的逻辑

上面的两种方法都能完美解决你的需求，既避免了重复写代码，又能高效批量得到结果~

内容的提问来源于stack exchange，提问作者Loncar