如何按两个变量分组计算数据集变量均值？R语言group_by问题排查

需求说明 #

需要按年份和主主题两个维度聚合数据集，计算百分比列的均值。以下是数据集示例与期望输出：

原始数据集示例 #

期望输出 #

尝试的代码与问题 #

使用dplyr的group_by聚合后，结果仅显示部分年份，未覆盖数据集中所有年份：

table <- policymoods %>% 
  group_by(majortopic, year) %>%
  summarise(averagepercent = mean(percent)) %>%
  na.omit()

解决方案 #

1. 修正na.omit()的使用 #

na.omit()会删除任何包含NA值的整行，包括某年份-主题组的均值为NA、或年份/主主题字段本身为NA的行，这是导致部分年份缺失的核心原因之一。

若需保留所有年份-主题组合（即使均值为NA），应去掉na.omit()，并在计算均值时忽略NA值：

table <- policymoods %>% 
  group_by(year, majortopic) %>%  # 调整分组顺序，与期望输出列顺序一致
  summarise(averagepercent = mean(percent, na.rm = TRUE))

若仅需过滤掉均值为NA的行，改用filter精准控制：

table <- policymoods %>% 
  group_by(year, majortopic) %>% 
  summarise(averagepercent = mean(percent, na.rm = TRUE)) %>%
  filter(!is.na(averagepercent))

2. 补全缺失的年份-主题组合 #

如果原始数据中某些年份没有对应主主题的观测，聚合后不会生成该组合。若需强制展示所有可能的年份-主题配对，可使用tidyr::complete()补全：

library(tidyr)

table <- policymoods %>% 
  group_by(year, majortopic) %>% 
  summarise(averagepercent = mean(percent, na.rm = TRUE)) %>%
  ungroup() %>% 
  # 补全所有原始数据中存在的年份和主主题组合
  complete(year = unique(policymoods$year), majortopic = unique(policymoods$majortopic))

补全后，无观测的组合会显示averagepercent为NA，可根据需求进一步处理（如填充0）。

3. 验证列名与数据完整性 #

确认代码中的列名（year、majortopic、percent）与原始数据集的列名完全匹配，避免因列名不一致导致分组失效。同时检查原始数据是否确实包含所有预期的年份记录。

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