R语言按个体分组计算排除NA值的累积均值方法

前置问题修正 #

你提供的原始数据集构造代码存在一个隐性问题：代码里的"na"是字符串类型，R无法将其识别为缺失值，且Temp_Diff和Day字段默认会被读成字符型，直接计算会报错，需要先做类型转换：

library(dplyr)
library(tidyr)

# 构造规范数据集
df <- data.frame(
  Cow_ID = c("192","192","192","192","201","201","201","201","652","652","652","652"),
  Day = as.numeric(c("1","2","3","4","1","2","3","4","1","2","3","4")),
  Temp_Diff = as.numeric(c("0.2","0.1","na","0.8","0.4","0.1","0.7","na","0.1","0.3","na","0.8"))
)

核心问题原因 #

你写的原代码没有加分组逻辑，cummean()会默认对整个数据集的所有非缺失值计算累积均值，自然不会在切换Cow_ID的时候重置计算起点。

正确实现代码 #

只需要在mutate()前增加group_by(Cow_ID)步骤，就能让所有计算按每个牛的ID独立执行，切换个体时自动重置累积计算的状态：

df <- df %>%
  group_by(Cow_ID) %>% # 按个体ID分组，组内独立计算
  mutate(
    cum_avg_temp = replace(Temp_Diff, !is.na(Temp_Diff), cummean(Temp_Diff[!is.na(Temp_Diff)]))
  ) %>%
  fill(cum_avg_temp, .direction = "down") %>% # 用前序非NA的累积均值填充缺失值行
  ungroup() # 计算完成后取消分组，避免干扰后续操作

计算结果说明 #

以ID为192的牛为例，计算结果如下：

• Day1（Temp_Diff=0.2）：累积均值为0.2
• Day2（Temp_Diff=0.1）：累积均值为(0.2+0.1)/2 = 0.15
• Day3（Temp_Diff=NA）：沿用上一行的累积均值0.15
• Day4（Temp_Diff=0.8）：累积均值为(0.2+0.1+0.8)/3 ≈ 0.367
  后续ID为201、652的牛会从各自的第一条记录开始重新计算累积均值，不会混入其他个体的数值。

注意事项 #

• 所有数值计算前必须确保缺失值是R原生识别的NA类型，不要用字符串"na"存储缺失值，否则所有统计函数都会无法正常运行。
• 分组计算完成后建议执行ungroup()取消分组状态，否则后续对数据集做筛选、汇总等操作时会默认沿用分组规则，出现不符合预期的结果。

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