如何批量计算R数据框中各列大于5值的平均值？

问题分析 #

你之前的代码计算的是大于5的值在列中的占比，而非这些值的平均值，而且只能单独处理单列，无法批量处理100列的需求。

解决方法 #

以下两种方法都能实现批量处理所有列，计算各列中大于5的值的平均值：

方法1：基础R（无需额外包）

使用apply()函数按列遍历数据框，对每一列筛选出大于5的值后计算平均值：

# 创建示例数据框
df <- data.frame(x1 = c(7, 3, 1, 9, 12, 8),
                 x2 = c(7, 5, 6, 1, 4, 4))

# 批量计算各列>5的值的平均值
col_means <- apply(df, MARGIN = 2, function(col) {
  # 筛选当前列中>5的元素
  filtered <- col[col > 5]
  # 计算平均值，na.rm=TRUE避免无符合条件值时返回错误
  mean(filtered, na.rm = TRUE)
})

# 查看结果
col_means
# 输出：
#       x1        x2 
# 9.000000 6.500000

• MARGIN = 2指定按列处理（MARGIN = 1是按行）
• na.rm = TRUE确保当某列没有大于5的值时，不会返回错误（会返回NaN，可根据需求调整）

方法2：tidyverse（dplyr包）

如果习惯使用tidyverse语法，用across()函数批量处理所有列：

library(dplyr)

# 创建示例数据框
df <- data.frame(x1 = c(7, 3, 1, 9, 12, 8),
                 x2 = c(7, 5, 6, 1, 4, 4))

# 计算各列>5的值的平均值，返回结果为数据框
col_means_df <- df %>%
  summarise(across(everything(), ~mean(.x[.x > 5], na.rm = TRUE)))

# 查看结果
col_means_df
# 输出：
#    x1  x2
# 1 9.0 6.5

• across(everything())表示选中所有列
• ~mean(.x[.x > 5], na.rm = TRUE)是对每一列执行的计算逻辑：.x代表当前列，先筛选出>5的元素，再算平均值

补充说明 #

你之前的代码sum(df$x1>5)/length(df$x1)中，df$x1>5会生成一个布尔向量（TRUE/FALSE），sum()会把TRUE当作1、FALSE当作0求和，得到的是大于5的值的数量，除以总长度就是占比，和需求的平均值逻辑不同。

内容的提问来源于stack exchange，提问作者cat cat