如何在R中仅当指定比例数据非缺失时计算每10行均值

你的需求核心是每10行分组计算列均值时，仅当该列在组内的非缺失值占比≥5%才计算均值，否则标记为NA。以下是修改后的完整代码，关键调整了判断条件，同时修正了原代码的语法问题：

library(dplyr)
library(tidyr)
library(lubridate) 

# 读取数据
df <- read.table('D:/Test/Data.txt', header=TRUE, sep = "\t", check.names = FALSE)

# 拆分Date/Time列为Date和Time
mn <- df %>% separate(`Date/Time`, into = c("Date", "Time"), sep = "T")

# 分组计算均值并应用条件
mnf <- mn %>% 
  as_tibble() %>%
  # 按每10行分组
  group_by(group = as.integer(gl(n(), 10, n()))) %>%
  # 转换日期和时间格式
  mutate(
    Date = lubridate::ymd(Date), 
    Time = period_to_seconds(hms(Time))
  ) %>%
  # 按列计算均值，添加非缺失值占比≥5%的条件
  summarise(
    across(everything(), ~ if(mean(!is.na(.x)) < 0.05) {
      NA
    } else {
      mean(.x, na.rm = TRUE)
    }),
    .groups = "drop"  # 取消分组，避免后续操作报错
  ) %>%
  # 将Time转换回周期格式
  mutate(Time = seconds_to_period(Time))

# 查看结果
mnf

关键修改说明 #

1. 条件逻辑调整：
   用mean(!is.na(.x)) < 0.05判断非缺失值占比是否低于5%——如果是，返回NA；否则计算均值。原代码的mean(is.na(.x)) > 0.8是针对缺失率超过80%的场景，和你的需求不匹配，这里替换为符合5%非缺失要求的判断。
2. 语法修正：
   在summarise中添加.groups = "drop"取消分组状态，避免后续mutate操作出现分组冲突；同时将mutate(Time = seconds_to_period(Time))通过管道连接到summarise之后，保证代码可正常运行。
3. Date列优化（可选）：
   如果每组的Date是相同的，你可以把Date列的处理改为保留组内首个/末次日期而非均值，更符合业务逻辑：

   summarise(
     Date = first(Date),  # 保留组内第一个日期，也可改用last(Date)
     across(-Date, ~ if(mean(!is.na(.x)) < 0.05) NA else mean(.x, na.rm = TRUE)),
     .groups = "drop"
   )
   

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