如何用dplyr按性别和年龄组均值批量填充缺失值？

完全可以用dplyr的管道流实现这个需求，核心思路是先按指定维度分组，再批量对目标列用组内均值替换NA值，具体代码如下：

library(dplyr)

# 按性别和年龄组分组，批量填充lab1、lab2的NA值
df_filled <- df %>%
  group_by(gender, age_group) %>%
  mutate(
    # 批量处理lab1和lab2，用组内均值填充NA
    across(c(lab1, lab2), ~coalesce(., mean(., na.rm = TRUE)))
  ) %>%
  ungroup()

代码解释 #

• group_by(gender, age_group)：将数据按性别和年龄组拆分，确保后续计算的均值是同组内的统计值
• across(c(lab1, lab2), ...)：批量指定需要处理的列，如果你的实际数据中有更多类似lab前缀的列，可以用across(starts_with("lab"), ...)自动匹配，无需逐个输入列名；如果要处理所有数值列，用across(where(is.numeric), ...)更高效
• coalesce(., mean(., na.rm = TRUE))：coalesce函数会保留原列中的非NA值，仅将NA替换为后面的计算值；mean(., na.rm = TRUE)计算组内均值时忽略NA，避免因组内存在NA导致均值结果为NA
• ungroup()：取消分组，将数据恢复为普通的tibble结构，避免后续操作受分组影响

填充结果示例 #

运行上述代码后，填充后的数据集如下：

df_filled
# A tibble: 8 x 5
     id gender age_group  lab1  lab2
  <dbl> <chr>      <dbl> <dbl> <dbl>
1     1 m              1   3.5   5  
2     1 m              1   3     4  
3     2 w              2   2     3  
4     2 w              2   3     3  
5     3 w              2   2     1  
6     4 m              1   3.5   4  
7     4 m              1   4     3  
8     5 w              2   1     5  

扩展说明 #

如果需要用中位数而非均值填充，只需将mean替换为median即可：

mutate(across(c(lab1, lab2), ~coalesce(., median(., na.rm = TRUE))))

内容的提问来源于stack exchange，提问作者Ai4l2s