使用R的group_by和summarise分箱时输出全为NA的问题排查

可能的原因 #

你的代码逻辑本身是正确的，但输出出现大量NA，最可能的原因是原始数据的Intensity列中存在NA值。max()函数默认会在遇到NA时返回NA，哪怕组内只有一个NA，整组的结果都会变成NA。你虽然确认了列是数值型，但数值型列完全可以包含NA值。

正确的实现方法 #

针对这个问题，只需要在max()中添加na.rm = TRUE参数，忽略NA值后再计算最大值：

df_binned <- df %>%
  mutate(Mass = round(Mass, 0)) %>%
  group_by(Spectrum, Mass) %>%
  summarise(Intensity = max(Intensity, na.rm = TRUE)) %>%
  ungroup()

另外，如果你需要保留原始行的其他潜在字段（而不仅仅是聚合后的最大值），可以用slice_max()直接筛选每组中Intensity最高的行，效果一致：

df_binned <- df %>%
  mutate(Mass = round(Mass, 0)) %>%
  group_by(Spectrum, Mass) %>%
  slice_max(Intensity, n = 1, with_ties = FALSE, na.rm = TRUE) %>%
  ungroup()

注：with_ties = FALSE确保当同一组内有多个相同的最大Intensity值时，只保留一行；如果需要保留所有最大值行，可以把这个参数设为TRUE。

内容的提问来源于stack exchange，提问作者Larry Cai