R语言dplyr计算均值时保留NA与0值的实现问题

原始数据框 #

EBOV (group_11) OmicronSpike (group_11) OmicronRBD (group_11) ID Well Tube_patient dpfd lab_id label
2103.0 547652.0 2693.0 PBS H1 PBS 0 PBS well_1
0.0 0.0 0.0 PBS H1 PBS 0 PBS well_1
1924.5 599256.0 2601.0 PBS H2 PBS 0 PBS well_1
1793.0 567137.0 2535.0 PBS H2 PBS 0 PBS well_1
1936.0 NA 2484.0 PBS H3 PBS 0 PBS well_1

需求 #

按label列分组，仅对列名包含group_的列计算均值，要求：

1. 计算均值时排除原数据的NA和值为0.0的记录
2. 保留原数据中的NA和0.0，不被计算出的均值替换

尝试过的代码 #

均值计算代码 #

pbs_in_v1 <- pbs_in %>%
  group_by(label) %>%
  mutate(across(contains("group_"), 
                ~mean(., na.rm = TRUE), 
                .names = "{col}_mean"))

转0为NA的代码 #

pbs_in <- pbs_in %>%
group_by(label) %>%
   mutate(across(contains("group_"), 
                 ~ifelse(. == 0, NA, .)))

错误输出 #

EBOV (group_11)_mean OmicronSpike (group_11)_mean OmicronRBD (group_11)_mean
1849.273 542322.1 2537.167
1849.273 542322.1 2537.167
1849.273 542322.1 2537.167
1849.273 542322.1 2537.167
1849.273 542322.1 2537.167

期望输出 #

1849.273 542322.1 2537.167
0.0 0.0 0.0
1849.273 542322.1 2537.167
1849.273 542322.1 2537.167
1849.273 NA 2537.167

疑问 #

1. 如何达成目标？
2. 我哪里出错了？
3. 是否需要用ifelse排除NA和0.0？
4. 若是，该如何修改代码？

1. 实现目标的方法 #

核心逻辑是先计算分组内排除0和NA后的均值，再根据原数据的NA/0状态选择性填充均值：

• 先算出每个分组中，排除0和NA后的列均值
• 生成新的均值列时，仅在原数据既不是0也不是NA的位置填充均值，原数据的0和NA位置保持原值不变

2. 之前的错误点 #

• 直接用mean(., na.rm=TRUE)会把整个分组的均值填充到每一行，完全覆盖了原数据的0和NA，违背了保留原始值的需求
• 把0转成NA后再计算均值，同样还是会将分组均值批量填充到所有行，没有区分原始值的状态，导致所有行都变成均值

3. 需要用条件判断区分状态 #

是的，必须通过ifelse或case_when做条件判断，明确区分原数据的状态：只有当原数据既不是0也不是NA时，才填充分组均值；原数据是0或NA的位置，保留原值。

4. 修改后的代码 #

方法一：直接在mutate内嵌套条件判断 #

pbs_in_v1 <- pbs_in %>%
  group_by(label) %>%
  mutate(across(contains("group_"), 
                ~case_when(
                  .x == 0 ~ 0,                  # 原数据为0时保留0
                  is.na(.x) ~ NA_real_,         # 原数据为NA时保留NA
                  TRUE ~ mean(.x[.x != 0], na.rm = TRUE)  # 其他情况填充排除0和NA后的分组均值
                ),
                .names = "{col}_mean"))

解释：

• case_when按顺序判断逻辑，精准控制每个位置的填充值
• mean(.x[.x != 0], na.rm = TRUE)确保计算均值时同时排除0和NA

方法二：先预计算分组均值再匹配填充 #

如果分组逻辑复杂，可先单独计算均值再合并填充：

# 第一步：预计算每个分组内各group_列的均值（排除0和NA）
group_means <- pbs_in %>%
  group_by(label) %>%
  summarise(across(contains("group_"), 
                   ~mean(.x[.x != 0], na.rm = TRUE),
                   .names = "{col}_mean"))

# 第二步：合并原数据和分组均值，再按原数据状态选择性填充
pbs_in_v1 <- pbs_in %>%
  left_join(group_means, by = "label") %>%
  mutate(across(ends_with("_mean"), 
                ~case_when(
                  # 根据原列的值判断是否保留均值
                  get(str_remove(cur_column(), "_mean")) == 0 ~ 0,
                  is.na(get(str_remove(cur_column(), "_mean"))) ~ NA_real_,
                  TRUE ~ .x
                )))

解释：

• 先单独计算分组均值，避免在mutate中重复计算，提升效率
• 通过left_join合并均值数据，再用case_when根据原列值控制最终填充结果

内容的提问来源于stack exchange，提问作者Someone_1313