如何基于tidyverse编写R的normalize()函数，标准化数值向量并处理NA？

报错原因分析 #

1. select_if 参数逻辑错误：你用is.numeric(unlist(x))会把整个数据框拆成单个元素逐个判断，而select_if需要的是对每一列判断是否为数值型，直接传入is.numeric即可，不需要unlist。
2. 标准化公式运算顺序错误：正确的Z-score标准化公式是(数值 - 均值) / 标准差，你当前代码的括号位置错写成了数值 - (均值/标准差)，完全偏离了标准化逻辑。
3. 函数未保留非数值列：原代码只筛选了数值列处理，但没把非数值列放回结果里，处理starwars这类混合类型数据集时会丢失原有的字符/因子列。

修正后的函数 #

版本1：处理数据框（保留所有列，仅标准化数值列）

library(tidyverse)

normalize <- function(x) {
  # 判断输入是否为数据框/tibble
  if (is.data.frame(x)) {
    x %>%
      mutate(across(where(is.numeric), ~ (.x - mean(.x, na.rm = TRUE)) / sd(.x, na.rm = TRUE)))
  } 
  # 处理单个数值向量的情况
  else if (is.numeric(x)) {
    (x - mean(x, na.rm = TRUE)) / sd(x, na.rm = TRUE)
  } 
  else {
    stop("输入必须是数值向量或数据框")
  }
}

# 测试starwars数据集
normalize(starwars) %>% glimpse()

版本2：仅筛选并标准化数值列（不需要保留非数值列时用）

library(tidyverse)

normalize <- function(x) {
  if (is.data.frame(x)) {
    x %>%
      select(where(is.numeric)) %>%
      mutate(across(everything(), ~ (.x - mean(.x, na.rm = TRUE)) / sd(.x, na.rm = TRUE)))
  } 
  else if (is.numeric(x)) {
    (x - mean(x, na.rm = TRUE)) / sd(x, na.rm = TRUE)
  } 
  else {
    stop("输入必须是数值向量或数据框")
  }
}

print(normalize(starwars))

关键说明 #

• 使用across(where(is.numeric))替代旧的select_if，这是tidyverse最新的列操作语法（dplyr 1.0.0+推荐用法），更直观且不易出错。
• na.rm = TRUE确保计算均值和标准差时自动忽略NA值，满足你处理缺失值的需求。
• 增加了输入类型判断，让函数同时支持数值向量和数据框，适用性更广。

内容的提问来源于stack exchange，提问作者jvsamson