如何在R中按州对指定列应用函数计算均值

方法1：使用tapply（最简洁的apply家族函数） #

tapply是R中专门用于按分组对向量执行函数操作的工具，直接满足需求：

# 读取数据集（确保文件在当前工作目录）
crime_data <- read.csv("state_crime.csv")

# 按州分组计算crimes列的均值
state_crime_mean <- tapply(crime_data$crimes, crime_data$state, mean)

# 若存在缺失值，需添加na.rm参数避免结果为NA
# state_crime_mean <- tapply(crime_data$crimes, crime_data$state, mean, na.rm = TRUE)

执行后得到一个命名向量，向量名称为州名，对应值为该州2000-2019年的crimes均值。

方法2：使用split + lapply（更灵活的组合） #

如果后续需要对每个州的数据做更多扩展操作，这种拆分+遍历的方式更适配：

# 按州拆分数据集为列表，每个元素对应一个州的完整数据
crime_state_list <- split(crime_data, crime_data$state)

# 遍历列表，计算每个州的crimes均值
state_crime_mean_list <- lapply(crime_state_list, function(sub_df) {
  mean(sub_df$crimes, na.rm = TRUE) # 建议处理缺失值
})

# 转换为数据框格式（可选，方便后续分析）
state_crime_mean_df <- data.frame(
  state = names(state_crime_mean_list),
  mean_crimes = unlist(state_crime_mean_list)
)

split将原始数据按state拆分为子数据框组成的列表，lapply遍历每个子数据框执行均值计算，最后可通过unlist将结果转换为结构化数据框。

内容的提问来源于stack exchange，提问作者Kevin Ballad