R语言中重复表格导出与自动化循环分析需求

Hey Tristan, 我帮你整理了一套在R里实现自动化循环分析并便捷导出结果的方案，完美适配你的满意度调研数据场景👇

咱们的核心需求是批量处理不同维度的题项分析，并把结果便捷导出。流程大概是：

• 先做好数据与维度的映射（明确每个维度对应哪些题项）
• 写一个通用的分析函数，覆盖你需要的统计指标
• 循环遍历所有维度，自动跑分析
• 把结果批量导出成易读的格式（Excel/Word/CSV）

首先假设你的数据是宽格式（每列对应一个题项），比如survey_data，我们先模拟一份样例数据，同时创建维度映射表：

# 加载需要的包
library(tidyverse)
library(psych)
library(writexl)

# 模拟满意度调研数据（5个维度，每个维度4-6个题项）
set.seed(123)
survey_data <- tibble(
  # 维度1：产品体验
  prod_exp1 = sample(1:5, 100, replace = TRUE),
  prod_exp2 = sample(1:5, 100, replace = TRUE),
  prod_exp3 = sample(1:5, 100, replace = TRUE),
  prod_exp4 = sample(1:5, 100, replace = TRUE),
  prod_exp5 = sample(1:5, 100, replace = TRUE),
  # 维度2：服务态度
  serv_att1 = sample(1:5, 100, replace = TRUE),
  serv_att2 = sample(1:5, 100, replace = TRUE),
  serv_att3 = sample(1:5, 100, replace = TRUE),
  serv_att4 = sample(1:5, 100, replace = TRUE),
  # 维度3：价格感知
  price_per1 = sample(1:5, 100, replace = TRUE),
  price_per2 = sample(1:5, 100, replace = TRUE),
  price_per3 = sample(1:5, 100, replace = TRUE),
  price_per4 = sample(1:5, 100, replace = TRUE),
  price_per5 = sample(1:5, 100, replace = TRUE),
  # 维度4：物流速度
  log_speed1 = sample(1:5, 100, replace = TRUE),
  log_speed2 = sample(1:5, 100, replace = TRUE),
  log_speed3 = sample(1:5, 100, replace = TRUE),
  # 维度5：售后支持
  after_sale1 = sample(1:5, 100, replace = TRUE),
  after_sale2 = sample(1:5, 100, replace = TRUE),
  after_sale3 = sample(1:5, 100, replace = TRUE),
  after_sale4 = sample(1:5, 100, replace = TRUE),
  after_sale5 = sample(1:5, 100, replace = TRUE)
)

# 创建维度映射表（关键！把维度名称和对应的题项列名绑定）
dimension_map <- tibble(
  dimension = c("产品体验", "服务态度", "价格感知", "物流速度", "售后支持"),
  items = list(
    c("prod_exp1", "prod_exp2", "prod_exp3", "prod_exp4", "prod_exp5"),
    c("serv_att1", "serv_att2", "serv_att3", "serv_att4"),
    c("price_per1", "price_per2", "price_per3", "price_per4", "price_per5"),
    c("log_speed1", "log_speed2", "log_speed3"),
    c("after_sale1", "after_sale2", "after_sale3", "after_sale4", "after_sale5")
  )
)

接下来写一个通用的分析函数，针对单个维度计算核心指标：题项均值、维度整体均值、标准差、Cronbach's α信度（满意度调研里信度是必看的）。然后用purrr::pmap来循环所有维度：

# 定义单个维度的分析函数
analyze_dimension <- function(dimension_name, item_cols) {
  # 提取当前维度的所有题项数据
  item_data <- survey_data %>% select(all_of(item_cols))
  
  # 计算题项级统计
  item_stats <- item_data %>%
    summarise(across(everything(), list(mean = ~mean(., na.rm = TRUE), sd = ~sd(., na.rm = TRUE)))) %>%
    pivot_longer(everything(), names_to = c("item", ".value"), names_sep = "_") %>%
    mutate(dimension = dimension_name) %>%
    relocate(dimension, item)
  
  # 计算维度级统计（整体均值、信度）
  dimension_stats <- tibble(
    dimension = dimension_name,
    item = "维度整体",
    mean = mean(item_data, na.rm = TRUE),
    sd = sd(unlist(item_data), na.rm = TRUE),
    cronbach_alpha = psych::alpha(item_data)$total$raw_alpha
  )
  
  # 合并题项统计和维度统计
  bind_rows(item_stats, dimension_stats)
}

# 循环所有维度，批量跑分析
all_results <- dimension_map %>%
  pmap_dfr(analyze_dimension)

# 查看结果
head(all_results)

现在把分析结果导出成常用格式，这里给两种方案：

方案1：导出到Excel（每个维度一个Sheet） #

# 把结果按维度拆分，每个维度存一个Sheet
result_sheets <- split(all_results, all_results$dimension)

# 导出到Excel
write_xlsx(result_sheets, path = "满意度维度分析结果.xlsx")

方案2：导出成格式化的Word表格（适合汇报） #

如果需要更美观的表格，可以用flextable包：

library(flextable)

# 生成格式化表格
result_table <- all_results %>%
  flextable() %>%
  set_header_labels(
    dimension = "维度名称",
    item = "题项/维度整体",
    mean = "均值",
    sd = "标准差",
    cronbach_alpha = "Cronbach's α"
  ) %>%
  autofit() %>%
  bold(part = "header") %>%
  hline_top(part = "header", border = fp_border(color = "black", width = 2))

# 导出到Word
save_as_docx(result_table, path = "满意度维度分析结果.docx")

• 如果需要加入显著性检验（比如不同群体的维度均值差异），可以在analyze_dimension函数里加入t.test或者ANOVA的代码
• 如果数据是长格式，只需要调整维度映射表和数据提取的逻辑即可
• 可以给分析函数加入参数，让你灵活选择需要计算的指标（比如中位数、极差等）

内容的提问来源于stack exchange，提问作者Tristan