使用dplyr按id和time统计每行负无穷值的平均占比

要实现按id和time分组，计算每组内每行负无穷值的平均占比，核心思路是先计算每行的负无穷占比，再对分组内的行取平均值。以下是两种高效实现方式：

方法1：使用rowwise() + c_across()（直观易读） #

library(tidyverse)

dt <- data.frame(id = rep(1:3, each = 4), 
                 time = rep(1:4, times=3), 
                 x = c(1, 2, 1, -Inf, 2, -Inf,1, 1, 5, 1, 2, 1), 
                 y = c(2, -Inf, -Inf, -Inf, -Inf, 5, -Inf, 2, 1, 2, 2, 2)) 

dt %>%
  rowwise() %>%
  # 计算当前行中负无穷值的占比（排除id和time列）
  mutate(inf_prop = mean(c_across(-c(id, time)) == -Inf)) %>%
  group_by(id, time) %>%
  # 对分组内的行取平均占比
  summarise(n = mean(inf_prop), .groups = "drop") %>%
  # 可选：过滤掉无负无穷的分组
  filter(n > 0)

方法2：使用rowSums()（大数据集更高效） #

如果你的实际数据有大量行，这种方法比rowwise()更快：

dt %>%
  # 计算每行负无穷的数量 / 目标列总数
  mutate(inf_prop = rowSums(select(., -id, -time) == -Inf) / ncol(select(., -id, -time))) %>%
  group_by(id, time) %>%
  summarise(n = mean(inf_prop), .groups = "drop") %>%
  filter(n > 0)

结果说明 #

两种方法都会输出符合预期的结果：

id time   n
1  1    2 0.5
2  1    3 0.5
3  1    4 1.0
4  2    1 0.5
5  2    2 0.5
6  2    3 0.5

原代码问题分析 #

你之前的尝试错误地在summarise()中使用across()，这会按列计算负无穷的占比，而不是按行计算后再对分组取平均。正确逻辑是先得到每行的负无穷占比，再对分组内的行做聚合。

内容的提问来源于stack exchange，提问作者Ph.D.Student