我们可以使用stack将vector输出转换为dataframe。

temp <- stack(apply(df[6:46],2,sd,na.rm=TRUE))

现在，我们可以访问所有具有temp$ind的列名和temp$values中的sd的值。
以mtcars为例，

temp <- stack(apply(mtcars, 2, sd, na.rm = TRUE))
temp

#      values  ind
#1    6.02695  mpg
#2    1.78592  cyl
#3  123.93869 disp
#4   68.56287   hp
#5    0.53468 drat
#6    0.97846   wt
#7    1.78694 qsec
#8    0.50402   vs
#9    0.49899   am
#10   0.73780 gear
#11   1.61520 carb

我们还可以将其用于sapply和lapply

stack(sapply(mtcars,sd, na.rm = TRUE))
#and
stack(lapply(mtcars,sd, na.rm = TRUE))

在这里，sd返回一个值，并且由于apply与MARGIN = 2 i，e按列排列，我们得到一个命名的vector。因此，names(out)将得到names而不是row.names。使用内置数据集iris的可重复示例

data(iris)
out <- apply(iris[1:4], 2, sd, na.rm = TRUE)
names(out)
#[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"

此外，通过将apply的输出 Package 为data.frame，我们可以使用row.names

out1 <- data.frame(val = out)
row.names(out1)
#[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"

如果我们需要一个data.frame作为输出，这可以直接用data.frame调用创建。

data.frame(names = names(out), values = out)

此外，这可以在tidyverse中完成

library(dplyr)
library(tidyr)
iris %>%
     summarise_if(is.numeric, sd, na.rm = TRUE) %>%
     gather
#     key     value
#1 Sepal.Length 0.8280661
#2  Sepal.Width 0.4358663
#3 Petal.Length 1.7652982
#4  Petal.Width 0.7622377

或转换为list和enframe

library(tibble)
iris %>%
    summarise_if(is.numeric, sd, na.rm = TRUE) %>%
    as.list %>% 
    enframe