R语言dplyr包：按实体分组筛选非空值后求对应列均值的结果异常问题

首先来看你的代码里的几个关键问题：

1. 字符串型"NA"未转换为真实NA值 #

你的数据中PROD_OIL列的"NA"是字符串类型，不是R原生的缺失值NA，所以is.na(PROD_OIL)根本识别不出这些缺失值，直接导致筛选逻辑完全失效。

2. 错误引用原始数据框而非分组数据流 #

在summarise里你用了with(dt, ...)，这里的dt是原始的未分组、未排序的数据框，完全忽略了之前的arrange和group_by操作，相当于直接从原始数据里取数，自然得不到正确的分组计算结果。

修正后的代码 #

library(dplyr)

# 第一步：清洗数据，把字符串"NA"转成真实NA，同时将PROD_OIL转为数值型
dt_cleaned <- dt %>%
  mutate(PROD_OIL = as.numeric(ifelse(PROD_OIL == "NA", NA, PROD_OIL)))

# 第二步：执行分组计算逻辑
AvgLast3WT <- dt_cleaned %>%
  arrange(entity, desc(REPORT_DATE)) %>%
  group_by(entity) %>%
  # 筛选每组内PROD_OIL非NA的行，取前3个对应的FORECAST_PROD_OIL值计算均值
  summarise(GetMean = mean(FORECAST_PROD_OIL[!is.na(PROD_OIL)][1:3], na.rm = TRUE)) %>%
  ungroup()

# 查看结果
AvgLast3WT

代码解释 #

• 数据清洗：先处理PROD_OIL列的字符串"NA"，替换为R原生缺失值并转成数值型，确保后续的缺失值判断正常工作。
• 排序与分组：按entity分组后，每组内按REPORT_DATE降序排列，保证最新的记录排在前面。
• 均值计算：在每组内先筛选出PROD_OIL非缺失的行，取前3个对应的FORECAST_PROD_OIL值，最后计算均值（na.rm = TRUE是兜底逻辑，避免极端情况下的NA影响结果）。

运行这段代码后，得到的GetMean值约为286.07，和你的预期结果完全一致。

内容的提问来源于stack exchange，提问作者CodeMaster