使用lapply和dplyr按分组列计算多列描述统计返回NA如何解决

问题原因 #

第一段代码报错原因 #

• 你传入mean()/sd()的参数x是字符型的列名，noquote()仅修改打印时的展示效果，并没有将字符串转为数据框的对应列，本质还是在对字符串做数值计算，所以返回NA。
• 如果要通过字符型列名调用dplyr管道中的列，需要用tidyevaluation语法，比如.data[[x]]或者!!rlang::sym(x)。

第二段across写法错误原因 #

• across()的语法使用错误：你需要把要应用的多个汇总函数放在列表里传递给across的.fns参数，原来的写法把sd()、n()放在了across的参数外面，属于参数传递错误。
• 注意：默认n()统计的是分组的总行数，如果你需要统计每一列自身的非NA样本量，要替换为sum(!is.na(.))，适配你各列NA分布不同的需求。

解决方案 #

方案1：用across直接生成单张汇总表（更推荐） #

输出为1个数据框，每一行对应1个分组，每一列对应「原数值列_统计量」的结果：

library(dplyr)
iris %>%
  group_by(Species) %>%
  summarise(
    across(
      .cols = 1:4, # 也可以写where(is.numeric)自动匹配所有数值列
      .fns = list(
        mean = ~mean(., na.rm = TRUE),
        sd = ~sd(., na.rm = TRUE),
        n = ~sum(!is.na(.))
      )
    )
  )

方案2：保留你原来每个数值列单独返回数据框的需求 #

如果需要每个数值列对应一个独立的汇总数据框，和你最初lapply的输出逻辑一致：

library(dplyr)
lapply(names(iris)[1:4], function(x) {
  iris %>%
    group_by(Species) %>%
    summarise(
      mean = mean(.data[[x]], na.rm = TRUE),
      sd = sd(.data[[x]], na.rm = TRUE),
      n = sum(!is.na(.data[[x]]))
    )
})

内容的提问来源于stack exchange，提问作者DTYK