如何在dplyr中忽略缺失值且不删除行，完成数据标准化？

你遇到的核心问题是mean()和sd()默认不会忽略NA值，而且你把na.rm=TRUE放错了位置——它应该传给mean()和sd()内部，而不是mutate()的参数。下面是两种可行的解决方法：

方法一：自定义函数中添加na.rm=TRUE #

直接在计算均值和标准差时指定忽略NA，既能保留原数据中的NA位置，又能正常计算非NA值的标准化结果：

df1 = df1 %>% 
  mutate(across(.cols = A:C,
                .f = function(x){(x - mean(x, na.rm = TRUE)) / sd(x, na.rm = TRUE)}
                ))

方法二：使用内置的scale()函数 #

R的scale()函数本身就是实现(x-mean(x))/sd(x)标准化的工具，它内部默认会忽略NA值，代码更简洁：

df1 = df1 %>% 
  mutate(across(A:C, scale))

补充说明 #

• 原代码中，只要列存在NA，mean(x)和sd(x)就会返回NA，导致整列计算结果全为NA；
• 两种方法都不会删除任何行，只会保留原数据中的NA位置，同时对非NA值完成标准化；
• scale()函数还支持额外参数（如center=FALSE或scale=FALSE），如果只需要中心化或只需要缩放可以灵活调整。

内容的提问来源于stack exchange，提问作者DunkinDont