如何为R语言数据框的列子集生成平均差值列？

需求说明 #

需要为数据框生成一列，计算x1、x2、x3各列与y列的差值的平均值，其中缺失值不计入有效列数（即只计算非NA的x列与y的差值的平均）。

示例数据集 #

先还原你提供的数据集：

set.seed(123)
df <- data.frame( y = runif(10),
                  x1 = runif(10),
                  x2 = runif(10),
                  x3 = runif(10))
df[, "x1"][ df[, "x1"] < 0.5 ] <- NA
df[, "x3"][ df[, "x3"] > 0.7 ] <- NA

方法一：基础R原生实现 #

利用rowMeans函数直接计算，该函数默认忽略缺失值，并自动按有效数值的数量计算均值：

# 生成x列与y列的差值矩阵
diff_cols <- df[, c("x1", "x2", "x3")] - df$y
# 每行计算差值的平均值，忽略NA
df$mean_diff <- rowMeans(diff_cols, na.rm = TRUE)

# 查看结果
df

验证示例：第1行有效列是x1和x2，计算结果为((0.9568333-0.2875775)+(0.8895393-0.2875775))/2 = 0.6356088，与rowMeans输出一致。

方法二：tidyverse（dplyr）实现 #

如果习惯tidy风格的代码，可以用dplyr的行处理功能：

library(dplyr)

df <- df %>%
  rowwise() %>%
  # 选取x1到x3列，计算与y的差值后取均值，忽略NA
  mutate(mean_diff = mean(c_across(x1:x3) - y, na.rm = TRUE)) %>%
  ungroup()

rowwise()让计算按行执行，c_across(x1:x3)批量选取目标列，后续逻辑和基础R一致。

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