如何编写R函数从大型数据框中提取观测列生成自定义子数据框

解决方案（基于tidyverse生态，无需编写复杂for循环） #

前置依赖 #

首先加载需要的工具包：

library(tidyverse) # 内置dplyr、purrr、ggplot2等所需的全部工具

步骤1：定义基础列与观测列清单 #

无需手动枚举所有观测列，代码会自动识别：

# 固定不变的基础列
base_cols <- c("test_year", "SN", "Owner")
# 自动提取所有观测列（排除基础列后的剩余列，适配40+观测列的场景）
obs_cols <- setdiff(colnames(df), base_cols)

步骤2：编写单观测列处理函数 #

你可以根据自身需求修改函数内的缺失值填充、汇总规则、绘图参数，注释已标注可调整位置：

process_obs <- function(obs_name) {
  # 1. 生成子数据框：基础列 + 当前遍历的单个观测列
  sub_df <- df %>% 
    select(all_of(base_cols), all_of(obs_name))
  
  # 2. 缺失值填充示例：当前用0填充NA，可按需修改为均值/中位数等规则
  sub_df <- sub_df %>% 
    mutate(!!obs_name := replace_na(.data[[obs_name]], 0))
  
  # 3. 分组汇总示例：当前按年份、所有者汇总观测值总和，可修改分组字段和统计指标
  summary_df <- sub_df %>% 
    group_by(test_year, Owner) %>% 
    summarise(obs_total = sum(.data[[obs_name]]), .groups = "drop")
  
  # 4. 绘图示例：自动匹配观测列作为标题，可修改绘图类型、样式参数
  p <- ggplot(summary_df, aes(x = factor(test_year), y = obs_total, fill = Owner)) +
    geom_col(position = position_dodge()) +
    labs(title = paste0(obs_name, " 年度统计结果"), x = "年份", y = "观测值总和") +
    theme_bw()
  
  # 可选功能：取消对应注释即可生效
  # 将汇总表输出到全局环境：assign(paste0("summary_", obs_name), summary_df, envir = .GlobalEnv)
  # 保存图片到本地：ggsave(paste0(obs_name, "_统计结果.png"), p, width = 8, height = 5)
}

步骤3：批量执行所有观测列的处理 #

调用purrr包的遍历函数，一次性完成全部观测列的处理：

walk(obs_cols, process_obs)

自定义调整说明 #

• 缺失值规则调整：修改replace_na部分的取值即可，比如改为mean(.data[[obs_name]], na.rm = T)即可用列均值填充NA
• 汇总逻辑调整：修改group_by的分组字段，以及summarise内的统计函数（比如mean、n()等）
• 绘图样式调整：修改ggplot内的几何对象、配色、坐标轴参数即可

内容的提问来源于stack exchange，提问作者joerminer