如何在R中批量处理DataFrame的104个item并复用apply逻辑？

方法一：使用tidyverse工具链（推荐，代码简洁易读） #

适合习惯tidyverse语法的用户，通过数据格式转换实现批量分组计算：

# 加载必要包
library(tidyverse)

# 假设原始数据框名为df，包含ID列和所有items相关列
result_df <- df %>%
  # 将宽格式数据转为长格式，拆分列名为item前缀和年龄后缀
  pivot_longer(
    cols = starts_with("items"),
    names_to = c("item", "age"),
    names_sep = "\\."
  ) %>%
  # 按ID和item分组，计算每组的均值（忽略NA）
  group_by(ID, item) %>%
  summarise(mean_value = mean(value, na.rm = TRUE), .groups = "drop") %>%
  # 将长格式转回宽格式，得到每个item的单独列
  pivot_wider(
    names_from = item,
    values_from = mean_value
  ) %>%
  # 列名重命名：将itemsX改为itemX
  rename_with(~ str_replace(., "items", "item"), starts_with("items"))

代码说明 #

• pivot_longer：把分散的多列（如items1.12、items1.18）转换为每行对应一个item-年龄组合的长格式，方便分组计算
• group_by + summarise：对每个ID的每个item组计算均值，na.rm = TRUE自动忽略NA值，同时处理了"存在非NA值才计算"的需求（全NA行结果为NA）
• pivot_wider：将计算后的均值转回宽格式，每个item对应一列
• rename_with：批量修改列名，把itemsX统一改为itemX

方法二：使用Base R（无需额外安装包） #

适合偏好基础R语法的用户，通过循环实现批量处理：

# 假设原始数据框名为df
# 提取所有item前缀（如items1、items2...items104）
item_prefixes <- unique(sub("\\..*", "", names(df)[grepl("^items", names(df))]))

# 初始化结果列表，先保留ID列
result_list <- list(ID = df$ID)

# 循环处理每个item组
for (prefix in item_prefixes) {
  # 选中当前item对应的所有列
  item_cols <- grep(paste0("^", prefix), names(df), value = TRUE)
  # 计算行均值，忽略NA值
  item_mean <- rowMeans(df[item_cols], na.rm = TRUE)
  # 修改列名为itemX格式
  col_name <- sub("items", "item", prefix)
  # 将结果加入列表
  result_list[[col_name]] <- item_mean
}

# 将结果列表转换为数据框
result_df <- as.data.frame(result_list)

代码说明 #

• grepl + sub：从列名中提取所有item前缀，自动获取104个item的分组标识
• rowMeans(na.rm = TRUE)：直接计算每行的均值，全NA行返回NA，满足需求中的判断和计算逻辑
• 循环批量处理每个item组，最后合并为结果数据框，自动移除原始的多列

内容的提问来源于stack exchange，提问作者wooden05