如何使用dplyr/tidyr按组计算均值与标准差并整理为适配ggplot2绘图的数据框

完全可以用管道串联的几行代码搞定全流程的格式转换和统计计算，不需要拆分多段冗余的手工提取、拼接代码，完整可运行代码如下：

# 加载依赖包
library(tidyverse)

# 链式完成转换+统计计算
df2 <- df1 %>%
  # 步骤1：宽表转长表，将横向的运动类别列转换为长格式
  pivot_longer(
    cols = -outcome,
    names_to = "symptom",
    values_to = "value"
  ) %>%
  # 步骤2：按结果类型、运动类别双维度分组
  group_by(outcome, symptom) %>%
  # 步骤3：分组计算均值、标准差，完成后自动解除分组
  summarise(
    mean = mean(value, na.rm = TRUE),
    sd = sd(value, na.rm = TRUE),
    .groups = "drop"
  )

操作逻辑拆解 #

整个流程没有多余步骤，每一步的作用都直接对接最终需求：

• 第一步用pivot_longer把原来横向摊开的三个运动类别列，拉成长格式：原来的basketball、soccer、football列名存为symptom字段，对应的观测值存为value字段，从根源上解决宽表不适合ggplot绘图的问题
• 第二步按outcome（成功/失败）和symptom（运动类别）两个维度分组，为后续分组统计打基础
• 第三步用summarise在每个分组块内直接计算均值、标准差，计算完成后通过.groups = "drop"自动解除分组，避免残留的分组属性给后续分析埋坑
• 代码内加入na.rm = TRUE参数，遇到缺失值时不会直接报错中断流程

输出结果完全匹配你需要的df2四列结构（outcome、symptom、mean、sd），可以直接对接geom_col()、geom_errorbar()绘制带误差棒的分组柱状图，不需要再做额外格式调整。

注：你给出的df2示例仅为结构参考，实际运行代码得到的mean、sd值，会基于df1中的真实观测值自动计算生成。

内容的提问来源于stack exchange，提问作者Kelsey