R语言实现遍历数据框，计算因子与数值列均值的函数求助

需要实现一个函数，遍历数据框的每一列：

• 若列为数值型，直接计算均值
• 若列为因子型，先将其转换为对应字符再转数值，之后计算整体均值（不关注因子类别频率）
• 需忽略ID类变量（如示例中的index列），避免手动处理列名（适配大数据框）

现有代码无法实现预期功能，预期结果为：sex列均值0.40，age列均值33.8。曾考虑使用colMeans，但直接转换因子会导致无意义结果（比如0被转为2），因此寻求可行方案。

现有代码 #

#basic data frame 3 variables
dat = data.frame("index" = c(1, 2, 3, 4, 5),
                     "age" = c(24, 25, 42, 56, 22), 
                     "sex" = c(0,1,1,0,0))

mean(dat$sex)
mean(dat$age)

#converting sex into a factor
dat[,3] = as.factor(dat[,3]) 

#working on the if structure to calculate the mean for all of the variables

me_func = function(x){
for (i in seq_along(x)){
if (is.factor(x)==TRUE){
  return(mean(as.numeric(as.character(x), na.rm=TRUE)))
} else {
  return(mean(x), na.rm=TRUE)
}
}
}
me_func(dat)

问题分析与解决方案 #

原有代码的问题 #

1. 类型判断错误：is.factor(x)判断的是整个数据框，而非单个列，应该针对每一列x[[i]]判断
2. 循环提前终止：return会直接结束函数，导致只处理第一列就返回结果
3. 语法错误：mean(x), na.rm=TRUE应为mean(x, na.rm=TRUE)
4. 缺少忽略ID列的逻辑

修正后的函数 #

# 定义计算列均值的函数，支持指定忽略的列
calc_col_means <- function(df, ignore_cols = NULL) {
  # 移除需要忽略的列
  if (!is.null(ignore_cols)) {
    df <- df[, !names(df) %in% ignore_cols, drop = FALSE]
  }
  
  # 遍历每一列计算均值
  result <- sapply(df, function(col) {
    if (is.factor(col)) {
      # 因子先转字符再转数值，避免直接转为水平序号
      mean(as.numeric(as.character(col)), na.rm = TRUE)
    } else if (is.numeric(col)) {
      mean(col, na.rm = TRUE)
    } else {
      # 非数值/非因子列返回NA，可根据需求调整
      NA
    }
  })
  
  return(result)
}

# 测试示例数据
dat = data.frame("index" = c(1, 2, 3, 4, 5),
                 "age" = c(24, 25, 42, 56, 22), 
                 "sex" = c(0,1,1,0,0))
dat[,3] = as.factor(dat[,3]) 

# 调用函数，忽略index列
calc_col_means(dat, ignore_cols = "index")

函数说明 #

• 使用sapply替代手动for循环，更简洁高效，自动处理所有列
• 加入ignore_cols参数，可指定需要跳过的ID类列
• 因子列转换逻辑：先转字符再转数值，确保得到原始数值的均值，避免直接转因子为水平序号的错误
• 对非数值、非因子的列返回NA，可根据实际需求修改处理逻辑

运行结果 #

执行后将得到：

age   sex 
33.8  0.4 

完全符合预期结果。

内容的提问来源于stack exchange，提问作者George