如何使用列均值对NA进行插补而非直接替换缺失值？

你需要的是随机均值插补（区别于直接将所有NA替换为同一固定均值的操作，不会低估变量方差），以下是两种可规避第三方包报错的实现方案：

方案1：纯基础R实现（无第三方包依赖，不会出现适配报错） #

不需要安装任何额外工具包，直接基于NUMBERS列的非缺失值的均值和标准差生成随机插补值：

# 构造示例数据集
df <- data.frame(
  TYPE = rep("A",5),
  YEAR = c(2020,2019,2018,2017,2016),
  NUMBERS = c(60, NA, 88, NA, 90)
)

# 计算NUMBERS列非缺失值的均值、标准差
val_mean <- mean(df$NUMBERS, na.rm = TRUE)
val_sd <- sd(df$NUMBERS, na.rm = TRUE)
# 统计缺失值数量
na_cnt <- sum(is.na(df$NUMBERS))

# 固定随机种子保证插补结果可复现
set.seed(123)
# 为每个缺失值生成符合原列分布的插补值
df$NUMBERS[is.na(df$NUMBERS)] <- rnorm(n = na_cnt, mean = val_mean, sd = val_sd)

注意：如果你的数据集包含多个TYPE分组，需要分组插补的话，可以用dplyr快速实现：

library(dplyr)
df <- df %>%
  group_by(TYPE) %>%
  mutate(NUMBERS = ifelse(
    is.na(NUMBERS),
    rnorm(n = n(), mean = mean(NUMBERS, na.rm = TRUE), sd = sd(NUMBERS, na.rm = TRUE)),
    NUMBERS
  )) %>%
  ungroup()

方案2：修复mice包报错实现标准插补流程 #

之前使用mice报错大概率是因为数据集样本量小、TYPE列只有唯一常量值导致的，指定插补方法为正态均值插补、禁用自动变量关联即可正常运行：

library(mice)
# 定义插补方法：前两列不插补，NUMBERS列用正态均值插补
imp_method <- c("", "", "norm")
# 禁用自变量关联矩阵，避免常量列报错
pred_mat <- matrix(0, nrow = ncol(df), ncol = ncol(df))
# 执行插补，m=1代表单次插补，关闭日志输出
imp <- mice(df, method = imp_method, predictorMatrix = pred_mat, m = 1, printFlag = FALSE)
# 提取插补完成的数据集
df_imputed <- complete(imp)

内容的提问来源于stack exchange，提问作者YKILYCHAN