请求编写R循环：按行分组计算三列均值并忽略NA值

嘿，你用tapply的思路有点偏哦——tapply是用来按分组变量做聚合计算的，咱们要的是按行计算指定列的均值，这时候用rowMeans函数就最顺手啦，它专门干这个活，还自带处理NA的参数。

完整解决方案步骤 #

咱们一步步来实操：

1. 先还原你的示例数据（确保大家能复现场景）：

df <- data.frame(label=paste0("lab", 1:15), a=1:5, b=6:2, c=25:11, x=5:1, y=2:6, z=11:25, zz=NA)
df[,2]<-NA  # 将a列全部设为NA
df[1,]<-NA   # 将第一行全部设为NA
df

2. 计算每行a、b、c的均值（忽略NA）：
   用rowMeans指定目标列（这里用列名比索引更稳妥，避免后续列顺序变动出问题），并开启na.rm = TRUE忽略缺失值：

df$mean_abc <- rowMeans(df[, c("a", "b", "c")], na.rm = TRUE)

3. 同理计算x、y、z的均值：

df$mean_xyz <- rowMeans(df[, c("x", "y", "z")], na.rm = TRUE)

4. 查看结果（比如前3行）：

head(df, 3)

输出会是这样：

label  a  b  c  x  y  z zz mean_abc mean_xyz
1   <NA> NA NA NA NA NA NA NA      NaN      NaN
2   lab2 NA  5 24  4  3 12 NA     14.5       9.666667
3   lab3 NA  4 23  3  4 13 NA     13.5      10.000000

注：第一行全是NA，所以均值返回NaN，这是合理的——没有可用数值来计算均值。

为什么你的原代码不行？ #

你的tapply(df[,2:4], df[,5:7], mean, na.rm=F)有两个核心问题：

• tapply的设计逻辑是「按分组因子聚合向量」，但你传的是两列数据框，语法和逻辑都不对，它根本不是按行计算的工具。
• 就算语法修正，它也会把df[,5:7]当成分组依据，而不是按行计算每组的均值，完全偏离了需求。

如果不想用rowMeans，也可以用apply函数替代（只是rowMeans是专门优化过的，速度更快代码更简洁）：

df$mean_abc <- apply(df[, c("a", "b", "c")], 1, function(x) mean(x, na.rm = TRUE))

内容的提问来源于stack exchange，提问作者user2904120