如何按每20行分组计算mean、sd、min、max等统计指标

现有代码错误原因 #

你在by的匿名函数中调用sumtable时传入的是全局数据集df，而非每个分组对应的子集x，导致每次都对全量数据做统计，无法得到分组结果。

修正后的by函数实现 #

直接将sumtable的入参替换为分组子集即可：

library(vtable)

df <- read.csv(...)
# 生成分组索引，每20行一组
idx <- ceiling(seq(nrow(df))/20)
valuesm <- by(df, idx, function(x){
  sumtable(data = x, out = 'return', title = '', 
           summ = c('notNA(x)', 'mean(x)', 'sd(x)', 'min(x)', 'max(x)'))
})

运行后valuesm是长度为50的列表，每个元素对应一组的统计结果。如果需要合并为总表，可以追加以下代码：

# 拼接所有分组结果，新增组号列
final_result <- do.call(rbind, lapply(names(valuesm), function(gid) {
  cbind(group_id = as.integer(gid), valuesm[[gid]])
}))

可选dplyr实现方案 #

如果习惯用tidyverse语法，也可以用以下代码实现，逻辑更直观：

library(dplyr)

df <- read.csv(...)
df %>%
  # 生成分组编号
  mutate(group_id = ceiling(row_number() / 20)) %>%
  group_by(group_id) %>%
  # 对所有数值列计算指定统计指标，自动忽略非数值列
  summarise(across(where(is.numeric), 
                   list(
                     notNA = ~sum(!is.na(.)),
                     mean = ~mean(., na.rm = TRUE),
                     sd = ~sd(., na.rm = TRUE),
                     min = ~min(., na.rm = TRUE),
                     max = ~max(., na.rm = TRUE)
                   )))

内容的提问来源于stack exchange，提问作者gahh13 gahh13