R中基于缺失值阈值的小时转日数据条件聚合问询

我正好做过类似的需求，用dplyr包就能轻松实现！咱们一步步来：

首先，先把你的模拟数据补全成完整的24小时数据（方便测试阈值逻辑），我加了另一天的数据来对比效果：

# 加载dplyr包
library(dplyr)

# 构造模拟数据
set.seed(123) # 保证结果可重复
df <- tibble(
  day = rep(c(as.Date("2005-01-01"), as.Date("2005-01-02")), each = 24),
  hour = rep(0:23, 2),
  amount = sample(c(1:20, NA), 48, replace = TRUE),
  amount2 = sample(c(1:20, NA), 48, replace = TRUE)
)
# 手动调整缺失值数量，测试阈值逻辑
df <- df %>%
  mutate(
    amount2 = case_when(
      day == as.Date("2005-01-01") & hour %in% c(1,4,7) ~ NA_real_, # 当天缺失3个，超阈值
      day == as.Date("2005-01-02") & hour %in% c(2,5) ~ NA_real_, # 当天缺失2个，达阈值
      TRUE ~ amount2
    )
  )

接下来是核心的聚合逻辑：按日期分组，对每个数值列（amount、amount2），先统计组内缺失值数量，超过2个就返回NA，否则计算平均值：

daily_data <- df %>%
  group_by(day) %>%
  summarise(
    across(
      c(amount, amount2), # 指定要处理的数值列
      ~ ifelse(sum(is.na(.x)) > 2, NA_real_, mean(.x, na.rm = TRUE))
    ),
    .groups = "drop" # 聚合后取消分组，返回普通数据框
  )

# 查看最终结果
print(daily_data)

代码细节解释 #

• group_by(day)：把同一天的所有小时数据归为一组，方便后续聚合
• across(...)：批量处理多个数值列，避免重复写相同逻辑
• sum(is.na(.x))：统计当前组内的缺失值总数
• ifelse(...)：核心判断逻辑——缺失值超2个就用NA填充当日均值，否则计算剔除缺失值后的平均值

运行后你会看到：

• 2005-01-01的amount2因缺失值达3个，结果为NA
• 2005-01-02的两个变量缺失值都是2个，正常计算出平均值

如果你习惯用data.table，也可以用这个写法：

library(data.table)
setDT(df)

daily_data_dt <- df[, lapply(.SD, function(x) {
  if (sum(is.na(x)) > 2) NA_real_ else mean(x, na.rm = TRUE)
}), by = day, .SDcols = c("amount", "amount2")]

这样就完美实现了你要的需求：单日缺失值超2个就用NA填充当日均值，否则正常计算~

内容的提问来源于stack exchange，提问作者Seyed Omid Nabavi