如何在R语言计算月度平均值时排除无效0值？

1. 直接在均值计算中过滤0值 #

不用把0转成NA，你可以在mean()函数里直接筛选掉0值，只对非0的数值计算均值。如果数据本身存在NA，记得加上na.rm = TRUE避免计算出错：

核心计算逻辑修改如下：

mean(c(D01, D02, ..., D31)[c(D01, D02, ..., D31) != 0], na.rm = TRUE)

2. 优化列选择，避免手动输入70个列 #

由于你有大量每日列（70个），手动逐个输入列名效率极低，推荐用c_across()结合列选择器批量选取目标列——比如用starts_with("D")匹配所有以D开头的列，或者matches("^D\\d+$")精准匹配「D+数字」格式的列：

完整优化后的代码：

DF <- DF %>%
  rowwise() %>%
  mutate(monthly_Average = mean(c_across(starts_with("D"))[c_across(starts_with("D")) != 0], 
                                na.rm = TRUE))

额外处理：全0行的情况 #

如果某一行所有值都是0，上面的代码会返回NaN，你可以根据业务需求用ifelse处理这种情况，比如替换为0或者NA：

DF <- DF %>%
  rowwise() %>%
  mutate(monthly_Average = {
    daily_vals <- c_across(starts_with("D"))
    non_zero_vals <- daily_vals[daily_vals != 0]
    if (length(non_zero_vals) == 0) 0 else mean(non_zero_vals, na.rm = TRUE)
  })

内容的提问来源于stack exchange，提问作者Nerea