使用R的dplyr计算组均值的均值时出现NA错误的解决咨询

你遇到的问题其实是因为mean()函数没办法直接处理dplyr返回的tibble（数据框）对象，咱们一步步来理清楚：

首先先复现你的场景，这部分代码是没问题的：

library(dplyr)

df <- data.frame(id = c(1,1,1,2,2), x = 1:5)
# 第一步分组求均值是正确的
grouped_means <- df %>% group_by(id) %>% dplyr::summarise(group_mean = mean(x))
grouped_means

输出结果：

# A tibble: 2 × 2
     id group_mean
  <dbl>      <dbl>
1     1        2  
2     2        4.5

错误原因解析 #

你之前的代码df %>% group_by(id) %>% dplyr::summarise(group_mean = mean(x)) %>% mean(group_mean)之所以返回NA，是因为管道最后传给mean()的是整个tibble数据框，而mean()默认只接受数值/逻辑向量，面对数据框类型的参数就会报错返回NA。

几种可行的解决方法 #

方法1：继续用dplyr管道链完成计算

直接在管道末尾再加一层summarise，全程保持dplyr的风格，结果也是结构化的：

df %>% 
  group_by(id) %>% 
  summarise(group_mean = mean(x)) %>% 
  summarise(overall_mean = mean(group_mean))

输出结果：

# A tibble: 1 × 1
  overall_mean
         <dbl>
1         3.25

方法2：提取数值向量后计算均值

用pull()函数把group_mean列提取成纯数值向量，再传给mean()：

df %>% 
  group_by(id) %>% 
  summarise(group_mean = mean(x)) %>% 
  pull(group_mean) %>% 
  mean()

直接返回结果：[1] 3.25

方法3：分步存储结果后用base R计算

如果习惯分步处理，可以先把分组后的结果存成对象，再用$提取列计算：

grouped_means <- df %>% group_by(id) %>% summarise(group_mean = mean(x))
mean(grouped_means$group_mean)

同样得到结果：[1] 3.25

额外说明 #

这里要注意，你要的是组均值的平均（先每个组求平均，再对这些平均求平均），和直接对整个x列求平均逻辑完全不同：直接求整体平均是mean(df$x) = 3，而你需要的是(2 + 4.5)/2 = 3.25，这两种计算的区别要分清楚哦。

备注：内容来源于stack exchange，提问作者skoestlmeier