使用dplyr编写定量变量统计函数时遇“Variable not found”错误求助

我明白你花了好几个小时折腾这个统计函数有多闹心，碰到Variable not found这种错误确实头疼。先结合你的tabl_profil1数据结构（包含DateDiag、Age、AgeDiag三个数值型变量），咱们一步步解决问题：

1. 先明确核心需求 #

我们要为每个定量变量计算以下统计项，并整理成整洁的数据框：

• 均值（mean）
• 中位数（median）
• 最大值（max）
• 最小值（min）
• 95%置信区间（上下限）

2. 完整的自定义函数解决方案 #

下面是能直接运行的代码，同时避开你遇到的变量找不到问题：

library(dplyr)
library(tidyr)

# 定义统计计算函数
calc_num_stats <- function(data, target_vars) {
  data %>%
    # 对指定变量批量计算统计值
    summarise(across(all_of(target_vars), 
                     list(
                       mean = ~mean(., na.rm = TRUE),
                       median = ~median(., na.rm = TRUE),
                       max = ~max(., na.rm = TRUE),
                       min = ~min(., na.rm = TRUE),
                       ci_lower = ~t.test(., na.rm = TRUE)$conf.int[1],
                       ci_upper = ~t.test(., na.rm = TRUE)$conf.int[2]
                     )),
              .groups = "drop") %>%
    # 将宽格式结果转换为更易读的长格式
    pivot_longer(cols = everything(),
                 names_to = c("variable", "stat"),
                 names_sep = "_",
                 values_to = "value") %>%
    pivot_wider(names_from = stat, values_from = value)
}

# 调用函数，传入你的数据框和目标变量
result_df <- calc_num_stats(tabl_profil1, target_vars = c("DateDiag", "Age", "AgeDiag"))

# 查看最终结果
print(result_df)

3. 为什么你之前会报错？关键细节解释 #

• all_of(target_vars)的作用：当你用字符向量传递变量名时，必须用all_of()明确告诉dplyr：“这是我要处理的变量名列表”，不然dplyr会把target_vars当成数据框里的列名，自然就会报“Variable not found”。
• 公式语法~和.：在across里用~定义计算逻辑，.代表当前正在处理的变量，这是dplyr识别变量的正确方式。
• 置信区间处理：用t.test()提取95%置信区间的上下限，加上na.rm = TRUE确保忽略缺失值（如果你的数据有NA的话）。

4. 另一种更灵活的调用方式（不用字符向量） #

如果你不想用字符向量传参，而是直接写变量名，那可以用**大括号语法{{}}**处理非标准求值，示例如下：

calc_num_stats2 <- function(data, ...) {
  data %>%
    summarise(across(c(...), 
                     list(
                       mean = ~mean(., na.rm = TRUE),
                       median = ~median(., na.rm = TRUE),
                       max = ~max(., na.rm = TRUE),
                       min = ~min(., na.rm = TRUE),
                       ci_lower = ~t.test(., na.rm = TRUE)$conf.int[1],
                       ci_upper = ~t.test(., na.rm = TRUE)$conf.int[2]
                     )),
              .groups = "drop") %>%
    pivot_longer(cols = everything(),
                 names_to = c("variable", "stat"),
                 names_sep = "_",
                 values_to = "value") %>%
    pivot_wider(names_from = stat, values_from = value)
}

# 调用方式：直接传入变量名
result_df2 <- calc_num_stats2(tabl_profil1, DateDiag, Age, AgeDiag)

这样就再也不会出现变量找不到的错误了，你可以根据自己的习惯选择其中一种写法~

内容的提问来源于stack exchange，提问作者RStudio35