R tidyverse分组计算均值时如何让缺失分组变量的结果为NA

问题原因 #

• 第一种写法失败原因：dplyr的group_by()默认会将NA识别为一个独立的分组，所以id为NA的行所属分组会计算该组的均值，不会返回NA。
• 第二种写法报错原因：dplyr::if_else()要求真假两个分支返回的变量类型完全一致，你写的NA默认是逻辑类型，而mean(data)返回的是双精度数值类型，类型不匹配触发报错。

解决方案 #

方案1：修复if_else的缺失值类型 #

将逻辑型的NA替换为双精度类型的缺失值NA_real_即可解决类型不匹配问题：

df <- df %>% 
  group_by(id) %>%
  mutate(id_avg = if_else(!is.na(id), mean(data), NA_real_))

方案2：组级判断优化写法 #

因为同一分组的id取值完全一致，不需要逐行判断，每个组只做一次判断即可，运行效率更高：

df <- df %>% 
  group_by(id) %>%
  mutate(id_avg = if (is.na(first(id))) NA_real_ else mean(data))

方案3：过滤NA分组后左连接 #

先过滤掉id为NA的行计算均值，再和原表左连接，id为NA的行自然匹配不到结果，自动返回NA：

df <- df %>%
  left_join(
    df %>%
      filter(!is.na(id)) %>%
      group_by(id) %>%
      summarise(id_avg = mean(data)),
    by = "id"
  )

内容的提问来源于stack exchange，提问作者nicholas