在R的data.table中计算连续非NA值的均值并新增列

要实现给data.table新增value_new列，填入连续非NA值的均值，可通过分组计算实现，具体步骤如下：

1. 原数据加载 #

library(data.table)

test = data.table(date = c("2006-01-31", "2006-03-20", "2006-03-28", "2006-05-03", "2006-05-04", "2006-06-29", "2006-09-11"), 
                  value = c(NA, -0.028, NA, 0.0245, -0.008, NA, -0.009))

2. 核心实现代码 #

方法一：用data.table内置函数分组 #

# 生成连续非NA序列的分组ID
test[, group := cumsum(!is.na(value) & shift(is.na(value), fill = TRUE))]

# 按分组计算均值，NA行保持NA
test[, value_new := ifelse(is.na(value), NA, mean(value, na.rm = TRUE)), by = group]

# 移除临时分组列（可选）
test[, group := NULL]

方法二：用rle函数识别连续序列 #

# 用rle识别连续非NA的区间
rle_result = rle(!is.na(test$value))
# 生成每个行对应的分组ID
test[, group := rep(seq_along(rle_result$values), rle_result$lengths)]

# 按分组计算均值
test[, value_new := ifelse(is.na(value), NA, mean(value, na.rm = TRUE)), by = group]

# 移除临时分组列（可选）
test[, group := NULL]

3. 验证结果 #

运行代码后，test表的结果与预期一致：

print(test)
#          date   value value_new
# 1: 2006-01-31      NA        NA
# 2: 2006-03-20 -0.0280   -0.0280
# 3: 2006-03-28      NA        NA
# 4: 2006-05-03  0.0245    0.0080
# 5: 2006-05-04 -0.0080    0.0080
# 6: 2006-06-29      NA        NA
# 7: 2006-09-11 -0.0090   -0.0090

逻辑说明 #

• 分组逻辑：通过识别连续非NA序列的起始位置（方法一）或直接用rle提取连续区间（方法二），为每个连续非NA序列分配唯一分组ID；
• 均值计算：按分组对value列计算均值，同时通过ifelse保证原value为NA的行，value_new仍为NA。

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