如何用data.table语法结合ifelse按分组计算满足NA占比条件的均值

我编写的data.table代码原本运行正常，但想要加入条件判断按分组计算均值时无法得到正确结果。我的核心需求是：按Place和Year分组计算变量均值，仅当分组内的NA占比≤25%时计算有效均值，否则返回NA。

可复现示例代码 #

set.seed(1645)
Place <- c(rep("Copenhagen",7),rep("Berlin",11),rep("Roma",12))
Year <- c(rep("2020",4),rep("2021",3),rep("2020",6),rep("2021",5),rep("2019",4),rep("2020",4),rep("2021",4))
Value1 <- c(runif(3),NA,runif(8),NA,runif(9),NA,runif(7))
Value2 <- c(runif(4),NA,runif(2),runif(6),NA,NA,runif(11),NA,NA,runif(2))
df <- data.frame(Place,Year,Value1,Value2)

现有代码 #

无判断条件的正常运行版本 #

library(data.table)
setDT(df)
df_means <- df[,.(Value1_mean = mean(Value1),Value2_mean = mean(Value2)), by = .(Place,Year)]

加入条件后不符合预期的版本 #

df_means2 <- df[,.(Value1_mean = ifelse(sum(is.na(Value1))/length(Value1)>=0.25,NA,mean(Value1,na.rm=TRUE)),
                   Value2_mean = ifelse(sum(is.na(Value2))/length(Value2)>=0.25,NA,mean(Value2,na.rm=TRUE))), 
                by = .(Place,Year)]

你的代码存在两个问题：

1. 判断条件符号写反：需求是NA占比≤25%时计算均值，也就是仅当占比超过25%时才返回NA，原代码里>=0.25的判断会把刚好等于25%的符合条件的情况也判定为返回NA，不符合需求
2. 向量化ifelse在这里没必要使用，分组后每组的判断条件是长度为1的逻辑值，直接使用if...else结构更符合语义也更高效，同时可以避免向量化函数的隐式类型转换问题

修正后代码 #

setDT(df)
df_means2 <- df[, .(
  Value1_mean = if (sum(is.na(Value1))/.N <= 0.25) mean(Value1, na.rm = TRUE) else NA_real_,
  Value2_mean = if (sum(is.na(Value2))/.N <= 0.25) mean(Value2, na.rm = TRUE) else NA_real_
), by = .(Place, Year)]

这里用.N直接取分组内的观测数，比length(Value1)写法更简洁，同时用NA_real_保证返回值类型和数值均值一致，避免类型转换异常。

运行结果 #

> df_means2
        Place Year Value1_mean Value2_mean
1: Copenhagen 2020   0.5145925   0.5678063
2: Copenhagen 2021   0.5942537          NA
3:     Berlin 2020   0.4783384   0.3449264
4:     Berlin 2021   0.5675098          NA
5:       Roma 2019   0.6373937   0.6888995
6:       Roma 2020   0.3668729   0.6842431
7:       Roma 2021   0.3663229          NA

完全符合预期需求。

内容的提问来源于stack exchange，提问作者Mata