R中group_by后调用map结合mean_se计算分组均值标准误报错如何解决？

最优一步实现方案 #

直接使用dplyr::reframe() + across() 组合即可完成需求，无需提前移除分组列，也不用手动做数据透视，自动跳过非数值列避免报错，同时保留分组标识：

library(tidyverse)
library(ggplot2) # 内置mean_se函数

iris %>% 
  group_by(Species) %>% 
  # dplyr 1.1.0及以上版本支持.unpack参数直接展开mean_se返回的结果
  reframe(across(where(is.numeric), mean_se, .names = "{.col}"), .unpack = where(is.data.frame))

输出结果会自动生成分组列Species，以及每个数值变量对应的均值_y、均值减标准误_ymin、均值加标准误_ymax列，完全符合预期。

如果需要长格式结果（每个测量指标占一行），可以在上述代码后拼接pivot_longer()管道一步转换，不需要额外复杂处理。

原写法异常原因说明 #

• group_by+map报错：map函数会遍历传入数据的所有列，包括因子类型的分组列，计算方差时触发因子输入的报错，且map本身无法识别dplyr的分组结构，不会按组分块计算。
• group_modify输出列过多：你用map_dfc遍历每个数值列调用mean_se，每个数值列会返回3个计算结果，4个数值列就会生成12个计算列，加上分组列总共13列，属于遍历维度错误。
• map_dfr的.id参数失效：.id是为输入的命名列表生成标识列，你传入的是未命名的列向量，自然无法生成正确的分组标识。

可选map类实现（仅做参考） #

如果习惯用map逻辑，也可以先按组分格再计算，写法如下：

iris %>% 
  nest(.by = Species) %>% 
  mutate(res = map(data, ~map_dfr(.x, mean_se, .id = "measure"))) %>% 
  unnest(res) %>% 
  select(-data)

内容的提问来源于stack exchange，提问作者ibm