如何高效获取各航空乘客满意度维度的最高均值舱位？

问题分析 #

你需要对比不同舱位（重点是商务舱vs经济舱）在各满意度维度的均值，找出每个维度均值最高的舱位及对应分值，替代逐个维度计算的低效方法。

先解决你的data.table报错问题 #

你报错的核心原因是把字符串列名直接传给了mean()，data.table会将"Cleanliness"当成字符向量计算均值，自然触发类型错误。正确写法应该直接使用列名（不带引号），如果是动态调用列名则用get()：

library(data.table)
setDT(final_dataset)

# 单维度正确计算示例
final_dataset[, .(mean_score = mean(Cleanliness)), by = Class][which.max(mean_score)]

高效批量处理方法 #

不管用dplyr还是data.table，都可以批量处理所有满意度维度，无需逐个编写代码。以下是两种实用实现：

方法1：dplyr（易读性强，适合新手） #

用across()批量处理评分列，转长格式后分组筛选每个维度的最高均值记录：

library(dplyr)
library(tidyr)

# 1. 定义所有满意度评分列（根据你的实际数据集调整）
score_cols <- c("Check-in Service", "Online Boarding", "Gate Location", "Cleanliness")

# 2. 计算均值→转长格式→筛选最高均值记录
result_dplyr <- final_dataset %>%
  # 可选：仅保留商务舱和经济舱，若需包含所有舱位则删除该行
  filter(Class %in% c("Business", "Economy")) %>%
  group_by(Class) %>%
  summarise(across(all_of(score_cols), ~mean(.x, na.rm = TRUE)), .groups = "drop") %>%
  pivot_longer(cols = all_of(score_cols), names_to = "Category", values_to = "Mean score") %>%
  group_by(Category) %>%
  filter(`Mean score` == max(`Mean score`)) %>%
  arrange(Category)

# 输出表格格式
knitr::kable(result_dplyr)

方法2：data.table（性能更优，适合大数据集） #

用melt()转长格式，分组计算均值后筛选每个维度的最大值：

library(data.table)

setDT(final_dataset)
score_cols <- c("Check-in Service", "Online Boarding", "Gate Location", "Cleanliness")

# 1. 转长格式并计算各舱位均值
dt_melted <- melt(final_dataset, id.vars = "Class", measure.vars = score_cols,
                  variable.name = "Category", value.name = "Score")

# 2. 分组筛选每个维度的最高均值记录
result_dt <- dt_melted[Class %in% c("Business", "Economy"), 
                       .(Mean score = mean(Score, na.rm = TRUE)), 
                       by = .(Category, Class)][, .SD[which.max(`Mean score`)], by = Category]

# 查看结果
result_dt

输出示例（基于你的样本数据） #

运行代码后会得到如下格式的结果：

关键说明 #

• na.rm = TRUE：避免缺失值导致均值计算出错，可根据数据集实际情况调整。
• 若需包含所有舱位（如Economy Plus），删除代码中的filter(Class %in% ...)语句即可。
• dplyr的across()替代了过时的summarise_at，符合最新语法规范。

内容的提问来源于stack exchange，提问作者Nick