长格式数据按年统计目标变量为1的占比：NA处理导致结果异常

问题背景 #

我有一个长格式数据框vbid_nodup_merged_filtered，其中变量pbp_b10b_bendesc_lim_al的取值为2（代表No）、1（代表Yes）或NA。需要统计每年中pbp_b10b_bendesc_lim_al == 1的记录占当年总行数的百分比，但当前使用的代码中，mean()函数的na.rm = TRUE会排除NA值，导致部分年份的占比计算错误（比如某年份大部分是NA，剩余记录都是1时，占比会显示为100%，但实际应该是1的数量除以当年总记录数）。

原代码如下：

vbid_nodup_merged_filtered %>%
  select(Year, VBID, pbp_b10b_bendesc_lim_al) %>%
  arrange(Year) %>%
  add_count(Year) %>%
  group_by(Year) %>%
  mutate(pbp_b10b_bendesc_lim_al = ifelse(pbp_b10b_bendesc_lim_al == 1, 1, 0)) %>%
  mutate(percent_yes = 100*mean(pbp_b10b_bendesc_lim_al, na.rm = TRUE)) %>%
  slice(1)-> vbid_unlimited_percent

修正方案 #

核心问题是原代码计算占比时，分母排除了NA值，但我们需要分母是当年的总记录数（包含NA）。以下两种方式可解决问题：

方法1：手动统计分子与分母 #

直接计算每年中符合条件的记录数，除以当年总记录数：

vbid_nodup_merged_filtered %>%
  select(Year, pbp_b10b_bendesc_lim_al) %>%
  group_by(Year) %>%
  summarise(
    total_records = n(),
    yes_count = sum(pbp_b10b_bendesc_lim_al == 1, na.rm = TRUE),
    percent_yes = 100 * yes_count / total_records
  ) -> vbid_unlimited_percent

方法2：统一转换非Yes值为0 #

把NA和2都转为0，此时计算均值的分母就是总记录数，无需排除NA：

vbid_nodup_merged_filtered %>%
  select(Year, VBID, pbp_b10b_bendesc_lim_al) %>%
  arrange(Year) %>%
  group_by(Year) %>%
  mutate(
    pbp_b10b_bendesc_lim_al = case_when(
      pbp_b10b_bendesc_lim_al == 1 ~ 1,
      TRUE ~ 0
    )
  ) %>%
  mutate(percent_yes = 100 * mean(pbp_b10b_bendesc_lim_al)) %>%
  slice(1) -> vbid_unlimited_percent

补充说明 #

• 方法1逻辑更清晰，直观区分总记录数与符合条件的记录数，减少歧义；
• 方法2通过case_when统一处理非1的情况，确保计算均值时包含所有记录，结果准确。

内容的提问来源于stack exchange，提问作者Jenn0804