如何用循环对DataFrame各向量做标准化？代码报错求助

你需要对DataFrame的每一列执行标准化（均值0、标准差1），但当前循环代码存在问题，报错原因及修正方案如下：

错误原因 #

你循环中的i是列名（字符串类型），直接对i调用mean()和sd()是在对字符串计算，自然触发"非数值参数"的错误；同时管道操作%>%没有结合dplyr的列操作函数（如mutate），直接写运算式无法正确操作DataFrame列。

你的代码及错误信息 #

尝试的代码 #

for(i in colnames(metabolites)) {
  metabolites<-metabolites %>% 
   (i-(mean(i)))/sd(i)
}

报错信息 #

> for(i in colnames(metabolites)) {
+   metabolites<-metabolites %>% 
+    (i-(mean(i)))/sd(i)
+ }
Error in i - (mean(i)) : non-numeric argument to binary operator
In addition: Warning message:
In mean.default(i) : argument is not numeric or logical: returning NA

修正方案 #

以下三种方法都能实现需求，按需选择：

方法1：修正base R循环 #

直接提取列的数值向量进行计算，同时处理可能的NA值：

for(i in colnames(metabolites)) {
  col_values <- metabolites[[i]]
  # 计算标准化值，na.rm=TRUE避免NA干扰均值/标准差计算
  metabolites[[i]] <- (col_values - mean(col_values, na.rm = TRUE)) / sd(col_values, na.rm = TRUE)
}

方法2：用dplyr批量处理列（更简洁） #

利用dplyr的向量化操作，无需手动循环：

library(dplyr)

# 对所有列执行标准化
metabolites <- metabolites %>%
  mutate_all(~(.x - mean(.x, na.rm = TRUE)) / sd(.x, na.rm = TRUE))

# 若仅需对数值列操作（排除字符/因子列）
metabolites <- metabolites %>%
  mutate(across(where(is.numeric), ~(.x - mean(.x, na.rm = TRUE)) / sd(.x, na.rm = TRUE)))

方法3：用R内置scale()函数（一步到位） #

scale()函数默认就是按列执行标准化（均值0、标准差1），效率最高：

# 若所有列都是数值型
metabolites <- as.data.frame(scale(metabolites))

# 若存在非数值列，仅处理数值列
numeric_cols <- sapply(metabolites, is.numeric)
metabolites[numeric_cols] <- scale(metabolites[numeric_cols])

内容的提问来源于stack exchange，提问作者stephr