按分组聚合计算指定列非NA值计数、均值和标准差的问题

我明白你遇到的问题了——你本来只想统计var1列的分组非缺失数、均值和标准差，但因为代码里用了.，导致aggregate偷偷处理了所有列，把多列的非缺失值混在一起计算，结果自然和预期不符。

问题根源 #

你写的aggregate(. ~ treatment, ...)里的.代表除分组列treatment之外的所有列，所以你的自定义函数会被分别应用到var1和var2上。之后do.call(data.frame,...)会把两列的统计结果合并成一个数据框，列名会变成var1.n、var1.mean、var1.sd、var2.n、var2.mean、var2.sd。你看到veh组得到6，大概率是var2列的非缺失数，而不是var1的结果。

修正方案 #

直接指定要统计的列是var1，而不是用.，同时记得给mean和sd加上na.rm=TRUE参数（不然有缺失值时会返回NA）：

test <- do.call(data.frame, aggregate(var1 ~ treatment, have, function(x) {
  c(n = sum(!is.na(x)), 
    mean = mean(x, na.rm = TRUE), 
    sd = sd(x, na.rm = TRUE))
}))

运行这段代码后，你应该就能得到预期的结果：veh-9、gr.4-8、gr.3-10、gr.2-5。

更直观的替代方案（推荐） #

如果觉得aggregate的嵌套写法容易晕，用dplyr的语法会清晰很多，每一步都明确知道在统计什么：

library(dplyr)

test <- have %>%
  group_by(treatment) %>%
  summarise(
    n = sum(!is.na(var1)),
    mean_var1 = mean(var1, na.rm = TRUE),
    sd_var1 = sd(var1, na.rm = TRUE)
  )

这种写法几乎不会出错，而且可读性极强，以后维护起来也方便。

内容的提问来源于stack exchange，提问作者Jbnimble