dplyr::summarize计算均值返回NA的问题排查

核心原因 #

你遇到的问题本质是部分日期对应的所有水温数据都是NA：

• 当某一天的15分钟间隔temp值全为NA时，mean(temp, na.rm = TRUE)会返回NaN，在数据框里会显示为NA；
• 这类全NA的分组会触发“无非缺失值”的警告，如果大部分甚至所有日期都属于这类情况，就会出现t_mean全为NA的结果。

另外也有可能是以下次要原因：

• 原始数据的temp列存在隐藏的无效值（比如NaN而非NA），但这种情况概率较低；
• 旧版本dplyr的兼容bug，导致na.rm=TRUE参数未被正确识别。

排查与解决步骤 #

1. 确认原始数据的有效性
   运行以下代码查看temp列的NA占比，以及是否存在非NA的有效数据：

   # 查看NA和非NA的数量分布
   table(is.na(ldq1$temp))
   # 查看非NA的水温数据示例
   head(filter(ldq1, !is.na(temp)))
   

2. 给分组结果添加统计列，定位问题日期
   修改汇总代码，加入每个日期的数据量和非NA值数量，精准定位哪些日期全是NA：

   l <- ldq1 %>%
     group_by(date = as.Date(datetimestamp)) %>%
     summarise(
       总数据量 = n(),
       有效数据量 = sum(!is.na(temp)),
       t_min = min(temp, na.rm = TRUE),
       t_max = max(temp, na.rm = TRUE),
       t_mean = mean(temp, na.rm = TRUE),
       .groups = 'drop'
     )
   

   查看结果中有效数据量为0的行，这些就是触发警告、导致t_mean为NA的日期。

3. 过滤无效分组（可选）
   如果不需要保留全NA的日期，可以在汇总时直接过滤掉：

   l <- ldq1 %>%
     group_by(date = as.Date(datetimestamp)) %>%
     # 只保留有有效水温数据的分组
     filter(!all(is.na(temp))) %>%
     summarise(
       t_min = min(temp, na.rm = TRUE),
       t_max = max(temp, na.rm = TRUE),
       t_mean = mean(temp, na.rm = TRUE),
       .groups = 'drop'
     )
   

4. 更新dplyr版本（若上述方法无效）
   若怀疑是版本兼容问题，运行以下命令更新到最新版：

   install.packages("dplyr")
   

内容的提问来源于stack exchange，提问作者GuyRachel