R语言如何让自定义子集均值函数随机忽略部分过滤条件？

架构老林

2026-10-2

实现方法

第一步：修改`my_subset_mean`函数适配忽略逻辑

首先调整过滤逻辑，当参数为NA时自动跳过对应筛选条件，无需修改原始因子的levels：

my_subset_mean <- function(r1, r2, r3, r4){  
  subset <- df %>% 
    filter(
      is.na(r1) | a %in% r1, # r1为NA则跳过a列筛选
      is.na(r4) | f %in% r4, # r4为NA则跳过f列筛选
      is.na(r2) | b > r2, # r2为NA则跳过b列下限筛选
      is.na(r3) | d < r3  # r3为NA则跳过d列上限筛选
    )
  # 可选：添加空子集判断，避免返回NaN
  return(if(nrow(subset) == 0) NA_real_ else mean(subset$c))
}

第二步：修改`create_output`随机生成含NA的参数

给每个筛选参数增加随机是否启用的逻辑，不需要启用时直接赋值为NA，输出时对应字段自动填充NA：

create_output <- function(na_prob = 0.3) { # na_prob为每个参数被忽略的概率，可自定义调整
  uv <- levels(df$a)
  uv1 <- levels(df$f)
  rgb <- range(df$b)
  rgd <- range(df$d)
  
  # 随机生成r1：(1-na_prob)概率生成有效值，na_prob概率设为NA
  r1 <- if(runif(1) > na_prob) sample(uv, sample(length(uv))) else NA
  # 随机生成r4
  r4 <- if(runif(1) > na_prob) sample(uv1, sample(length(uv1))) else NA
  # 随机生成r2
  r2 <- if(runif(1) > na_prob) runif(1, rgb[1], rgb[2]) else NA
  # 随机生成r3
  r3 <- if(runif(1) > na_prob) runif(1, rgd[1], rgd[2]) else NA
  
  res_mean <- my_subset_mean(r1, r2, r3, r4)
  return(data.frame(
    r1 = toString(r1), 
    r4 = toString(r4), 
    r2 = r2, 
    r3 = r3, 
    my_subset_mean = res_mean
  ))
}

# 批量生成100次结果
out <- do.call(rbind, replicate(100, create_output(), simplify = FALSE))