R语言如何计算变量均值、标准差及95%置信区间并生成汇总表
实现方案
1. 自定义统计函数
首先写一个专用函数,输入单列数值即可同时返回均值、标准差、95%置信区间上下限,同时兼容带缺失值的数据集:
calc_stats <- function(x) { valid_x <- na.omit(x) n <- length(valid_x) mean_val <- mean(valid_x) sd_val <- sd(valid_x) se_val <- sd_val / sqrt(n) # 采用t分布计算临界值,适配不同样本量的场景,样本量>30时结果和1.96几乎一致 ci_low <- mean_val - qt(0.975, df = n-1) * se_val ci_high <- mean_val + qt(0.975, df = n-1) * se_val return(list(mean = mean_val, sd = sd_val, ci_95_low = ci_low, ci_95_high = ci_high)) }
2. 对目标变量批量计算
基于你已有的data.table对象dto,指定需要计算的4个变量批量调用统计函数:
# 若未加载data.table需先运行加载命令 library(data.table) # 指定目标变量列名,和你数据集列名对应即可 target_cols <- c("Price", "Bedrooms", "Size", "Distance") # 批量计算所有统计量 stats_raw <- dto[, lapply(.SD, calc_stats), .SDcols = target_cols]
3. 整理为规范汇总表
转置结果调整为符合阅读习惯的结构,变量为行、统计指标为列:
summary_table <- data.frame(t(stats_raw)) # 设置中文列名 colnames(summary_table) <- c("均值", "标准差", "95%置信区间下限", "95%置信区间上限") # 补充变量名列 summary_table$变量 <- rownames(summary_table) # 调整列顺序 summary_table <- summary_table[, c("变量", "均值", "标准差", "95%置信区间下限", "95%置信区间上限")] rownames(summary_table) <- NULL # 可选:合并置信区间为单个展示字段 summary_table$`95%置信区间` <- paste0("(", round(summary_table$`95%置信区间下限`, 2), ", ", round(summary_table$`95%置信区间上限`, 2), ")")
内容的提问来源于stack exchange,提问作者I_B_O
相关产品推荐
相关产品推荐

