R语言如何将数据框指定列子集的NA值替换为对应行均值

原有代码问题说明 #

1. 循环版本错误原因：重复提取data[,c(1,2)]子数据集赋值时产生临时副本，没有直接修改原数据集的对应位置，导致整列数值被错误替换。
2. 向量化版本错误原因：[[k]]是R中提取列表单个元素的语法，无法用于数据框多位置索引，因此直接抛出错误。

示例基础数据 #

c1 <- c(1,2,3,NA,4)
c2 <- c(1,NA,45,4,100)
c3 <- c(NA,2,3,9,NA)
data <- data.frame(c1,c2,c3)

可行实现方案（推荐向量化写法，效率更高） #

步骤1：定义需处理的子量表列 #

# 可按需替换为你需要的子量表列名或列索引，多子量表可分别定义分别处理
subscale_cols <- c("c1", "c2")
subscale_df <- data[, subscale_cols]

步骤2：缺失值替换 #

# 定位子量表内所有缺失值的坐标
na_pos <- which(is.na(subscale_df), arr.ind = TRUE)
# 计算子量表每行的行均值（自动排除缺失值）
row_means <- rowMeans(subscale_df, na.rm = TRUE)
# 对应缺失位置赋值为所在行的行均值
subscale_df[na_pos] <- row_means[na_pos[,1]]
# 处理结果写回原数据集
data[, subscale_cols] <- subscale_df

运行结果 #

处理后的data输出如下，仅子量表列的缺失值被替换，其余列不受影响：

c1  c2 c3
1   1   1 NA
2   2   2  2
3   3  45  3
4   4   4  9
5   4 100 NA

修正后的循环版本（适合小数据集场景） #

subscale_cols <- c(1,2)
for(i in 1:nrow(data)){
  current_mean <- mean(as.numeric(data[i, subscale_cols]), na.rm = TRUE)
  for(n in subscale_cols){
    if(is.na(data[i,n])){
      data[i,n] <- current_mean
    }
  }
}

内容的提问来源于stack exchange，提问作者Franzine