如何在R中按组用前5个前置值均值替换列内指定异常值？

方案一：使用slider包实现滑动窗口均值 #

library(dplyr)
library(slider)

stock_data <- stock_data %>%
  group_by(gvkey) %>%
  # 标记需要替换的行：当前值为-1，或前一行值为-1
  mutate(needs_replace = (ret_excess == -1) | lag(ret_excess == -1, default = FALSE)) %>%
  # 计算当前行前5个前置有效值（排除-1）的均值，不足5个则取现有全部
  mutate(prev5_mean = slide_dbl(
    .x = ret_excess,
    .f = ~ mean(.x[.x != -1], na.rm = TRUE),
    .before = 5,
    .complete = FALSE
  )) %>%
  # 替换异常值和NA：异常值用前5均值，NA用组内非-1均值兜底
  mutate(ret_excess2 = case_when(
    needs_replace ~ prev5_mean,
    is.na(ret_excess) ~ mean(ret_excess[ret_excess != -1], na.rm = TRUE),
    TRUE ~ ret_excess
  )) %>%
  # 移除辅助列并取消分组
  select(-needs_replace, -prev5_mean) %>%
  ungroup()

方案二：使用zoo包的rollapply（无需额外安装slider） #

library(dplyr)
library(zoo)

stock_data <- stock_data %>%
  group_by(gvkey) %>%
  mutate(needs_replace = (ret_excess == -1) | lag(ret_excess == -1, default = FALSE),
         # 滚动计算前1-5行的有效值均值
         prev5_mean = rollapply(
           ret_excess,
           width = list(-(1:5)),
           FUN = function(x) mean(x[x != -1], na.rm = TRUE),
           fill = NA,
           align = "right"
         )) %>%
  # 处理前5行无有效值的情况，用组内非-1均值兜底
  mutate(prev5_mean = ifelse(is.na(prev5_mean), mean(ret_excess[ret_excess != -1], na.rm = TRUE), prev5_mean),
         ret_excess2 = case_when(
           needs_replace ~ prev5_mean,
           is.na(ret_excess) ~ prev5_mean,
           TRUE ~ ret_excess
         )) %>%
  select(-needs_replace, -prev5_mean) %>%
  ungroup()

关键逻辑说明 #

• 先标记所有需要替换的行：包括值为-1的行，以及它的下一行（对应高值异常）
• 滑动窗口计算当前行之前最多5个非-1的有效值均值，不足5个时自动取现有全部有效值计算
• 对NA值的处理保留了原需求的组内均值兜底，也可根据需要调整为前5均值
• 若组内所有值都是异常值，会用组内非-1的均值（若全为-1则会返回NaN，可额外添加判断处理）

内容的提问来源于stack exchange，提问作者bernard202210