R计算两类用户骑行时长均值返回NA及difftime报错如何解决？

问题原因 #

• 计算返回NA的核心原因是ride_length列存在缺失值，调用mean()函数时没有添加na.rm = TRUE参数，R默认遇到输入包含NA时会直接返回NA。
• 你看到的difftime类型报错、移除含缺失值行的警告，均是后续对计算结果做可视化时触发的：ggplot2无法自动适配difftime类型的坐标轴尺度，且结果中的NA值会被绘图函数自动过滤，和计算阶段返回NA没有直接关联。

解决方法 #

第一步：修复统计代码 #

两种可选方案，按需选择即可：

1. 保留difftime类型，仅补充缺失值处理参数

ride_length_mean <- data_trip_cleaned %>%
  group_by(member_casual) %>%
  summarise(average_time = mean(ride_length, na.rm = TRUE))

2. 先转为指定单位的数值型再计算，避免后续可视化的类型报错（推荐，后续处理更方便）

ride_length_mean <- data_trip_cleaned %>%
  group_by(member_casual) %>%
  # units参数可按需改为"secs"、"hours"等指定输出单位
  mutate(ride_length_mins = as.numeric(ride_length, units = "mins")) %>%
  summarise(average_time_mins = mean(ride_length_mins, na.rm = TRUE))

可选前置校验 #

可先对源数据做异常校验，排除无效数据：

# 查看ride_length列总缺失值数量
sum(is.na(data_trip_cleaned$ride_length))
# 查看是否存在负的异常骑行时长
sum(data_trip_cleaned$ride_length < 0, na.rm = TRUE)

如果存在负时长，可先过滤掉异常值再做统计，避免结果偏差。

内容的提问来源于stack exchange，提问作者Frans_Gel