使用apply在R中的多个列上运行函数

我正在尝试收集一些变量（列）的汇总统计数据，这些变量已经被分类变量分组。我希望使用

apply

函数，而不是为每个变量单独编写代码

下面是我想使用的函数，不添加任何应用程序：

library(dplyr)
group_by(my_data, group) %>%
  summarise(
    count = n(),
    mean = mean(weight, na.rm = TRUE),
    sd = sd(weight, na.rm = TRUE)
  )

我知道这是一个相当新的问题，但我正在使用各种应用教程努力解决它。我觉得这件事很棘手，因为有管道

干杯

baser:

data.frame(do.call("rbind", lapply(split(df, df$car_brand), function(x){

        data.frame(

        car_brand = x$car_brand,

        counter = nrow(x),

        avg = mean(x$hp, na.rm = T),

        std_dev = ifelse(is.na(sd(x$hp, na.rm = T)), 0, sd(x$hp, na.rm = T)))

      }

    )

  ),

row.names = NULL

)

数据：

df <- data.frame(car_type = row.names(mtcars), 
                 car_brand = gsub(" .*", "", row.names(mtcars)),
                 mtcars, row.names = NULL)

df基于公式的函数，例如
lm
，
aov
等，在
group\u by
方面存在问题，如您所见，因此，这里有一种方法使用
purr:：map.*
和
group\u split

library(dplyr)
library(purrr)
nms <- c('wt','qsec')
#loop over nms and apply the 2nd part, so .x will take 'wt' then `qsec` 
map_dfc(nms, 
        ~mtcars %>% 
          group_split(cyl) %>% 
          map_df(function(y) y %>%
                   summarise(!!quo_name(paste0("mean_",.x)):=mean(y[[.x]]),
                             !!quo_name(paste0("pval_",.x)):=summary(aov(as.formula(paste(.x,"~am")), data=y))[[1]]$`Pr(>F)`[1]
                              )
                  )
        )

# A tibble: 3 x 4
  mean_wt pval_wt mean_qsec pval_qsec
    <dbl>   <dbl>     <dbl>     <dbl>
1    2.29 0.0104       19.1  0.0166  
2    3.12 0.00101      18.0  0.00514 
3    4.00 0.218        16.8  0.000834

库（dplyr）
图书馆（purrr）
nms%
组分割（气缸）%>%
map_df（功能（y）y%>%
总结（！！quo_名称（粘贴0（“平均值，.x））：=平均值（y[.x]]），
！！quo_name（paste0（“pval_”），.x））：=summary（aov（as.formula（paste（.x，“~am”）），data=y））[[1]]$`Pr（>F）`[1]
)
)
)
#一个tibble:3x4
平均值pval平均值pval平均值qsec
1    2.29 0.0104       19.1  0.0166  
2    3.12 0.00101      18.0  0.00514 
3    4.00 0.218        16.8  0.000834
请参见

处的总结和总结所有非常有效，谢谢！作为另外一个问题，我现在想对上述各组的每个变量进行方差分析，而无需重新编写代码。可能吗？