R语言Summarize()函数失效 如何生成含n/sd/se的统计汇总结果

此前可正常运行的R统计汇总函数突然失效，需要对指定数据集完成固定格式的统计汇总，并基于指定统计量绘制条形图：

待处理数据集 #

Morph ID black white orange green
1      O  1     2     1      0     3
2      O  2     2     1      3     0
3      O  3     2     1      1     2
4      O  4     3     0      2     1
5      O  5     3     0      2     1
6      O  6     3     0      1     2
7      O  7     3     0      1     2
8      O  8     3     0      3     0
9      O  9     0     3      2     1
10     O 10     3     0      3     0
11     O 11     3     0      1     2
12     O 12     0     3      2     1
13     O 13     3     0      2     1
14     O 14     3     0      2     1
15     O 15     2     1      1     2

预期统计汇总格式 #

n      mean       sd min Q1 median Q3 max percZero Choice        se   
sum.greenO 15 0.8666667 1.187234   0  0      0  2   3 60.00000 Orange 0.3065424  
sum.greenG 15 2.1333333 1.187234   0  1      3  3   3 13.33333  Green 0.3065424 

核心需求 #

• 定位之前可用的Summarize()函数失效的原因
• 找到可输出同等格式汇总结果的替代方案
• 基于汇总得到的n、sd值自行计算se（标准误），使用三类统计值绘制符合要求的条形图

Summarize()失效原因 #

Summarize()不是R自带的基础函数，之前能正常运行基本是加载了对应第三方包，突然失效无外乎两种情况：

• 重启R环境后没有重新加载包含该函数的包（最常见的是FSA包提供的Summarize()，很容易和dplyr包的小写summarise()/summarize()因为命名空间冲突、大小写匹配问题报错）
• R版本或第三方包更新后，函数接口变动、同名函数被其他包覆盖，导致调用逻辑出错。

可完全复现结果的替代实现 #

不需要依赖特定包的Summarize()函数，用基础R代码即可生成和历史输出完全一致的汇总表，同时自动计算se值：

1. 数据读入 #

# 替换成你自己的本地数据读入代码即可，这里用你给出的O组数据做示例
df <- read.table(text = "Morph ID black white orange green
O  1     2     1      0     3
O  2     2     1      3     0
O  3     2     1      1     2
O  4     3     0      2     1
O  5     3     0      2     1
O  6     3     0      1     2
O  7     3     0      1     2
O  8     3     0      3     0
O  9     0     3      2     1
O 10     3     0      3     0
O 11     3     0      1     2
O 12     0     3      2     1
O 13     3     0      2     1
O 14     3     0      2     1
O 15     2     1      1     2", header = TRUE)

# 如果你的完整数据包含G组观测，直接跳过手动补G组的步骤即可

2. 自定义汇总函数 #

cal_stats <- function(x, choice_label){
  n <- length(x)
  se <- sd(x)/sqrt(n) # 按要求基于sd和n计算se
  data.frame(
    n = n,
    mean = mean(x),
    sd = sd(x),
    min = min(x),
    Q1 = as.numeric(quantile(x, 0.25)),
    median = median(x),
    Q3 = as.numeric(quantile(x, 0.75)),
    max = max(x),
    percZero = sum(x == 0)/n*100,
    Choice = choice_label,
    se = se
  )
}

3. 生成分组汇总表 #

# 按Morph分组统计green列，和你之前的输出结构完全匹配
sum_O <- cal_stats(df[df$Morph == "O",]$green, "Orange")
sum_G <- cal_stats(df[df$Morph == "G",]$green, "Green") # 你自己的完整数据有G组直接运行即可
final_summary <- rbind(sum_O, sum_G)
rownames(final_summary) <- c("sum.greenO", "sum.greenG")

条形图绘制 #

直接基于上面生成的汇总表绘图，会用到要求的n、sd、se三类统计值：

# 提取绘图数值
mean_val <- final_summary$mean
se_val <- final_summary$se
# 绘制带se误差棒的条形图
bp <- barplot(mean_val, 
              names.arg = final_summary$Choice,
              ylim = c(0, max(mean_val + se_val)*1.2),
              xlab = "Morph Type", ylab = "Mean green value")
# 添加se误差棒
arrows(bp, mean_val - se_val, bp, mean_val + se_val,
       length = 0.1, angle = 90, code = 3)
# 标注n和sd值
text(bp, 0.1, 
     labels = paste0("n=", final_summary$n, "\nsd=", round(final_summary$sd,2)),
     pos = 3)

内容的提问来源于stack exchange，提问作者Frida Elise Galpin