使用dplyr按ID分组计算条件rowMeans的问题求助

问题背景 #

需要对每个user_id分组执行以下操作：

1. 筛选出当前分组中数值型且列总和不等于0的列
2. 计算这些列的行均值，新增为rowAverage列

提供的示例数据：

dat <- as.Date("2021/08/04")
len <- 4
seq(dat, by = "day", length.out = len)

input <- data.frame(
  date = c(seq(dat, by = "day", length.out = len) , seq(dat, by = "day", length.out = len)),
  user_id = c(rep("aa",4),rep("bb",4)),
  var1 = c(1:4),
  var2 = c(4,7,23,9,0,0,0,0),
  var3 = c(0,0,0,0,4,8,2,7) 
)

期望输出：

output = data.frame(
  date = c(seq(dat, by = "day", length.out = len) , seq(dat, by = "day", length.out = len)),
  user_id = c(rep("aa",4),rep("bb",4)),
  var1 = c(1:4),
  var2 = c(4,7,23,9,0,0,0,0),
  var3 = c(0,0,0,0,4,8,2,7),
  rowAverage = as.numeric(c(rowMeans(input[1:4,3:4]), rowMeans(input[5:8,c(3,5)])))
)

原报错代码：

output = input %>%
    dplyr::group_by(user_id) %>%
    dplyr::mutate(rowAverage = rowMeans(select_if(function(x) {(is.numeric(x)) && (sum(x)=!0)})))

错误原因分析 #

1. 语法错误：sum(x)=!0 是错误的逻辑判断写法，正确应为 sum(x) != 0
2. 分组处理逻辑错误：select_if 在mutate中直接调用时，会基于整个数据集筛选列，而非当前分组的子集；且select_if的用法不符合dplyr的最新语法（推荐用where()替代）

修正后的代码 #

library(dplyr)

output <- input %>%
  group_by(user_id) %>%
  mutate(
    rowAverage = rowMeans(
      # 获取当前分组数据集，筛选数值型且列总和≠0的列
      select(cur_data(), where(~is.numeric(.) && sum(.) != 0)),
      na.rm = TRUE  # 可选：处理可能存在的NA值
    )
  ) %>%
  ungroup()

代码说明 #

• cur_data()：获取当前分组的数据集（自动排除分组列user_id）
• where(~is.numeric(.) && sum(.) != 0)：筛选当前分组中符合条件的列，sum(.)计算的是当前分组内该列的总和
• rowMeans(..., na.rm=TRUE)：计算筛选后列的行均值，添加na.rm=TRUE让代码更健壮，避免NA值导致计算失败

运行后结果与期望输出完全一致。

内容的提问来源于stack exchange，提问作者Telis