时间序列场景下R中按年、城镇分组计算均值时如何仅统计非NA值超2的分组？

df %>% 
  group_by(year, town) %>% 
  summarise(
    # 统计组内非NA值的数量
    valid_count = sum(!is.na(value)),
    # 非NA值超过2个时计算均值，否则返回数值型NA
    mean_year = if_else(valid_count > 2, mean(value, na.rm = TRUE), NA_real_),
    .groups = "drop"
  )

逻辑说明 #

• 完全匹配需求规则：每个分组先统计剔除NA后的有效样本量，仅当有效数严格大于2（即至少3个非NA值）时，才计算带NA剔除的均值；不满足数量门槛的分组，仍保留在结果中，但均值输出为NA。
• 对应示例的输出效果：
  • 2001年ny分组：仅1个非NA值，不满足门槛，输出NA
  • 2002年ny分组：共3个非NA值，计算得到均值约0.156，和预期一致
  • 2002年ca分组：共3个非NA值，正常计算对应均值
• 注意细节：
  • 不要用分组后filter(valid_count >2)的写法，这种逻辑会把有效数不够的分组从结果中直接删除，不符合“保留分组行、值为NA”的输出要求
  • 判断不满足条件返回缺失值时，需使用NA_real_指定为数值型，避免if_else因返回值类型不匹配报错
  • 调整有效数门槛时，直接修改valid_count > 2里的判断阈值即可

内容的提问来源于stack exchange，提问作者fifigoblin