在R中按名称拆分列并计算分组置信区间（无需硬编码名称）

数据老陈

2026-8-13

按名称分组计算Score的置信区间（R语言实现）

首先将示例数据转换为R可识别的数据框：

df <- data.frame(
  Name = c(rep("Anna",7), rep("Bob",4), rep("Chad",5)),
  Score = c(90,90,30,60,60,60,60,80,70,10,80,10,10,40,30,90)
)

方法1：base R原生实现

无需硬编码名称，通过split()自动按Name拆分数据，再用lapply()批量计算置信区间。先定义一个计算置信区间的函数：

calc_ci <- function(x) {
  mean_x <- mean(x, na.rm = TRUE)
  se_x <- sd(x, na.rm = TRUE)/sqrt(length(x))
  df_x <- length(x) - 1
  # 计算95%置信区间，可通过调整qt的参数修改置信水平
  ci <- qt(c(0.025, 0.975), df_x) * se_x + mean_x
  return(data.frame(
    Mean = mean_x,
    CI_Lower = ci[1],
    CI_Upper = ci[2]
  ))
}

# 分组计算并整理结果
result_base <- lapply(split(df$Score, df$Name), calc_ci)
result_base_df <- do.call(rbind, result_base)
result_base_df$Name <- rownames(result_base_df)
rownames(result_base_df) <- NULL
result_base_df

方法2：dplyr（tidyverse）简洁实现

tidyverse风格的分组计算自动识别所有分组，代码更直观：

library(dplyr)

result_dplyr <- df %>%
  group_by(Name) %>%
  summarise(
    Mean = mean(Score, na.rm = TRUE),
    CI_Lower = Mean - qt(0.975, n()-1) * sd(Score, na.rm = TRUE)/sqrt(n()),
    CI_Upper = Mean + qt(0.975, n()-1) * sd(Score, na.rm = TRUE)/sqrt(n()),
    .groups = "drop"
  )

result_dplyr

方法3：data.table高效实现

适合处理大型数据集，运算效率更高：

library(data.table)

setDT(df)
result_dt <- df[, .(
  Mean = mean(Score, na.rm = TRUE),
  CI_Lower = Mean - qt(0.975, .N-1) * sd(Score, na.rm = TRUE)/sqrt(.N),
  CI_Upper = Mean + qt(0.975, .N-1) * sd(Score, na.rm = TRUE)/sqrt(.N)
), by = Name]

result_dt