如何使用sapply()对类别组中的缺失值进行分组均值插补？

我来帮你搞定这个自动插补的问题～你的需求是给cat == 1的国家（也就是A和B）的val列缺失值，用对应国家的非缺失值均值填充，手动操作成功但sapply没生效，核心原因是sapply函数内部的赋值不会影响外部的数据框，下面给你几个实用的自动实现方法：

方法1：用dplyr（tidyverse）分组处理（推荐） #

这种方法代码简洁逻辑清晰，非常适合数据框的批量操作：

library(dplyr)

# 复制原数据避免修改原始数据
df2 <- df1 %>%
  # 按国家分组，确保每个国家单独计算均值
  group_by(ctry) %>%
  # 仅对cat=1且val缺失的行，用该国家的均值替换
  mutate(
    val = ifelse(cat == 1 & is.na(val), mean(val, na.rm = TRUE), val)
  ) %>%
  # 取消分组回到普通数据框格式
  ungroup()

运行后，A和B的所有val缺失值都会被各自国家的均值填充，其他cat=0的国家缺失值保持不变。

方法2：Base R的for循环（直观易懂） #

如果你不想依赖tidyverse包，用基础R的for循环也能轻松实现，逻辑和你手动操作完全一致，只是自动化了重复步骤：

# 复制原数据
df2 <- df1

# 先计算cat=1的每个国家的val均值
cat1_means <- tapply(
  X = df1$val[df1$cat == 1],
  INDEX = df1$ctry[df1$cat == 1],
  FUN = mean,
  na.rm = TRUE
)

# 循环每个cat=1的国家，填充对应缺失值
for (country in names(cat1_means)) {
  df2$val[df2$ctry == country & is.na(df2$val)] <- cat1_means[country]
}

为什么你的sapply没生效？ #

你用sapply的时候，函数内部的df2$val[...] <- ...赋值操作是在函数的局部环境中进行的，不会修改外部全局环境里的df2，所以看起来没有效果。如果一定要用sapply，可以用<<-强制修改全局变量，但不推荐（容易引发环境变量混乱），写法如下：

df2 <- df1
cat1_means <- tapply(df1$val[df1$cat == 1], df1$ctry[df1$cat == 1], mean, na.rm = TRUE)

sapply(names(cat1_means), function(ct) {
  df2$val[df2$ctry == ct & is.na(df2$val)] <<- cat1_means[ct]
})

还是推荐前面两种方法，代码更清晰易维护。

验证插补结果 #

你可以用下面的代码检查插补是否成功：

# 查看A国是否还有缺失值
df2 %>% filter(ctry == "A" & is.na(val))
# 查看B国是否还有缺失值
df2 %>% filter(ctry == "B" & is.na(val))

正常情况下这两个结果都应该是空的，说明缺失值已经被成功填充。

内容的提问来源于stack exchange，提问作者jay.sf