R语言多文件读取循环异常：计算列均值始终返回NA/NaN

你的函数返回NA/NaN主要有几个关键问题，咱们一个个捋清楚：

1. 循环内未累加数据：每次循环你都用datapollution <- rbind(read.csv(...))，这会直接覆盖之前读取的数据，最后datapollution只会保留最后一个id对应的文件数据，而非所有指定id的合并数据。
2. 不必要的矩阵转换：直接用数据框的列索引就能获取目标污染物的数据，转成data.matrix完全没必要，反而可能引入索引匹配的问题。
3. 均值计算时机错误：你在循环内每次都重新计算均值，最后只保留最后一次的结果；如果最后一个文件的目标列全是NA，自然会返回NA/NaN。
4. 变量初始化缺失：datapollution没有提前初始化，第一次循环时rbind的对象逻辑上不完整（虽然R不会报错，但不符合规范）。

修正后的代码 #

pollutantmean <- function(directory, pollutant, id) {
  # 初始化空数据框，用于存储所有读取的目标数据
  datapollution <- data.frame()
  
  # 遍历指定的id序列
  for (i in id) {
    # 获取对应id的文件路径（确保文件顺序与id匹配）
    archivo <- list.files(directory, full.names = TRUE)[i]
    # 读取当前文件并累加到总数据框
    current_data <- read.csv(archivo, header = TRUE)
    datapollution <- rbind(datapollution, current_data)
  }
  
  # 计算目标污染物的均值，忽略NA值
  resultmean <- mean(datapollution[[pollutant]], na.rm = TRUE)
  # 返回计算结果（用return比print更符合R函数规范）
  return(resultmean)
}

关键修改说明 #

• 提前初始化datapollution为空数据框，确保每次循环都能正确累加所有文件的数据。
• 把list.files的索引操作放在括号内，避免重复获取文件列表（原逻辑没问题，但这样更高效）。
• 用datapollution[[pollutant]]直接提取目标列，比矩阵索引更可靠，避免列名匹配的潜在问题。
• 将均值计算放在循环外部，确保是对所有合并后的数据计算均值，而非单个文件。
• 用return(resultmean)替代print，让函数返回计算结果（如果需要打印，调用函数时再用print()包裹即可，比如print(pollutantmean("specdata", "sulfate", 1:10))）。

你可以测试一下，比如调用pollutantmean("specdata", "nitrate", 23)，应该能得到符合预期的均值结果了。

内容的提问来源于stack exchange，提问作者brandata