分组计算不含当前观测值的累积均值（忽略NA值）

我明白你想实现的需求：给每个类别的每条记录计算截至前一个观测值的非NA值累积均值（不含当前值），而且当前值是NA时新列也要是NA。你之前的代码因为cummean无法正确跳过NA，而且分组逻辑有问题，所以没得到正确结果，我来给你一个可行的方案。

首先先确认我们的输入数据：

df <- data.frame(
  category = c("cat1","cat1","cat2","cat1","cat2","cat2","cat1","cat2"),
  value = c(NA,2,3,4,5,NA,7,8)
)

解决方案代码 #

我们可以通过手动计算累积和与累积计数的方式，精准控制NA的处理逻辑：

library(dplyr)

df_final <- df %>%
  group_by(category) %>%
  mutate(
    # 计算当前行及之前所有非NA值的累积和
    cum_sum_non_na = cumsum(ifelse(is.na(value), 0, value)),
    # 计算当前行及之前所有非NA值的数量
    cum_count_non_na = cumsum(ifelse(is.na(value), 0, 1)),
    # 取前一行的累积和与计数，计算均值；如果前面没有非NA值或当前值是NA，返回NA
    new_col = case_when(
      is.na(value) ~ NA_real_,
      lag(cum_count_non_na) == 0 ~ NA_real_,
      TRUE ~ lag(cum_sum_non_na) / lag(cum_count_non_na)
    )
  ) %>%
  ungroup() %>%
  select(-cum_sum_non_na, -cum_count_non_na) # 移除中间计算列

代码解释 #

1. 分组逻辑：只按category分组，确保每个类别独立计算累积值，而不是把NA和非NA拆分开。
2. 累积统计：
   • cum_sum_non_na：遍历每个分组时，遇到NA就加0，遇到有效值就累加，这样得到的是到当前行为止的所有非NA值总和。
   • cum_count_non_na：同理，统计到当前行为止的非NA值数量。
3. 计算前序均值：
   • 用lag()取前一行的累积和与计数，相除得到前序非NA值的均值。
   • 通过case_when处理两种特殊情况：当前值是NA时，新列设为NA；如果前面没有任何非NA值（比如分组的前几个观测都是NA），也返回NA。

最终结果 #

运行代码后得到的df_final如下：

# A tibble: 8 × 3
  category value new_col
  <chr>    <dbl>   <dbl>
1 cat1        NA      NA
2 cat1         2      NA
3 cat2         3      NA
4 cat1         4       2
5 cat2         5       3
6 cat2        NA      NA
7 cat1         7       3
8 cat2         8       4

这个结果完全符合需求：每个有效值对应的新列是该类别之前所有非NA值的平均，NA值对应的新列也是NA。

内容的提问来源于stack exchange，提问作者John F