R语言mosaic包是否存在类似SPSS的mean.n函数？如何计算含NA的三列行均值

mosaic包与SPSS mean.n的对应关系 #

• SPSS中mean.n函数的核心特性为：按行计算指定变量的算术均值，同时可设置有效非缺失值的数量阈值（即参数n，例如mean.2表示该行至少存在2个非缺失值时才返回均值结果，否则输出缺失值）。
• 当前mosaic包不存在与SPSS同名的mean.n函数，但该函数的全部功能均可通过R原生代码1:1复现，不存在功能缺口。很多从SPSS迁移到R的用户会误以为需要专门的封装函数，实际无需依赖mosaic的专属扩展即可完成目标计算。

带NA值的三列行均值新增列实现方法 #

假设数据集为df，需要计算均值的三列分别为var1、var2、var3，新增的均值列命名为row_mean，可根据使用习惯选择以下任意实现方案：

Base R 原生实现（无额外依赖，行为与SPSS完全对齐） #

1. 基础场景（对应SPSS mean.1逻辑：只要行内存在至少1个非缺失值即计算均值）

target_vars <- c("var1", "var2", "var3")
df$row_mean <- rowMeans(df[, target_vars], na.rm = TRUE)

该逻辑的行为完全匹配SPSS默认的均值计算规则：仅当某一行的三列全部为NA时，才会返回NA值；只要存在至少1个有效非缺失值，就会计算该行所有非缺失值的算术平均。
2. 自定义阈值场景（复现SPSS任意mean.n的逻辑）
如果需要对齐SPSS中要求“达到n个非缺失值才返回均值”的规则，可在基础计算上增加非缺失值数量判断，例如实现SPSS mean.2（至少2个非缺失值才返回结果）的逻辑：

target_vars <- c("var1", "var2", "var3")
# 统计每行在目标列中的非缺失值数量
non_na_count <- rowSums(!is.na(df[, target_vars]))
# 达到阈值则计算均值，否则返回NA
df$row_mean <- ifelse(non_na_count >= 2,
                      rowMeans(df[, target_vars], na.rm = TRUE),
                      NA_real_)

仅需修改阈值判断中的数值（例如将2改为3即可复现SPSS的mean.3逻辑），即可完全覆盖SPSS中所有mean.n的行为。

Tidyverse 风格实现（适配mosaic包语法生态） #

如果日常使用dplyr进行数据处理，可通过以下代码实现等价计算，该写法与mosaic包的语法习惯完全兼容：

library(dplyr)
df <- df %>%
  rowwise() %>%
  # 设置na.rm = TRUE即可自动跳过计算中的NA值
  mutate(row_mean = mean(c_across(c(var1, var2, var3)), na.rm = TRUE)) %>%
  ungroup()

注意：该写法在遇到整行三列全为NA的情况时，计算结果会返回NaN而非标准缺失值NA，如果需要统一为标准缺失值，可在代码中增加判断替换：

mutate(row_mean = mean(c_across(c(var1, var2, var3)), na.rm = TRUE),
       row_mean = ifelse(is.nan(row_mean), NA, row_mean))

内容的提问来源于stack exchange，提问作者manuel459