b=c(1,4,3,NA)
c=c(NA,4,3,8)
res=(b+c)/2
NA 4 3 NA
你可以看到，只要我们有NA，返回的结果就是NA。我想计算 b and c 之间的平均值，如果两者都有值，但如果 b or c 有 NA 则只返回 b or c 的值。期望的结果是：
res
1 4 3 8
【问题讨论】：
rowMeans，其次使用na.rm=T。
标签： r
我们可以在cbinding 向量'b'、'c' 之后使用rowMeans 来创建matrix。 rowMeans 具有处理 NA 值的选项 (na.rm = TRUE)。
rowMeans(cbind(b,c), na.rm=TRUE)
或colMeans 在rbind 处理向量之后。
colMeans(rbind(b,c), na.rm=TRUE)
假设如果我们有矩阵而不是向量，我们仍然可以在遍历数据集之一的列/行之后执行rowMeans/colMeans（假设它们具有相同的维度）。例如，
b <- matrix(c(1,4,3, NA, 2, 3, NA, 2), ncol=2)
c <- matrix(c(NA, 4, 3, 8, 1, NA, 3, 4), ncol=2)
我们循环遍历列序列 (seq_len(ncol(b))) 与 sapply、cbind 对应的 'b' 和 'c' 列并得到rowMeans。输出将是与初始矩阵相同维度的matrix。
m1 <- sapply(seq_len(ncol(b)), function(i)
rowMeans(cbind(b[,i], c[,i]), na.rm=TRUE))
m1
# [,1] [,2]
#[1,] 1 1.5
#[2,] 4 3.0
#[3,] 3 3.0
#[4,] 8 3.0
替代循环的另一种选择是将两个数据集中的NA 元素替换为0。为此，我们可以使用replace，执行+ 并根据每个位置的NA 元素的计数进行划分。
m2 <- (replace(b, which(is.na(b)), 0) + replace(c, which(is.na(c)), 0))
m2/(2-(is.na(b)+is.na(c)))
# [,1] [,2]
#[1,] 1 1.5
#[2,] 4 3.0
#[3,] 3 3.0
#[4,] 8 3.0
使用NAer from library(qdap)可以使上面的代码更紧凑
library(qdap)
(NAer(b) + NAer(c))/(2-(is.na(b)+is.na(c)))
# 1 2
#1 1 1.5
#2 4 3.0
#3 3 3.0
#4 8 3.0
【讨论】：
b 是一个矩阵而c 是一个矩阵。我们如何应用您的解决方案？事实上，我的真实数据是矩阵，但我举了一个简单的例子。
b的维度。你能更具体一点吗？假设nrow(b) 是否与c 的length 相同。然后我们可以cbind 两者都得到rowMeans。如果ncol(b) 与c 的length 相同，我们rbind 它。
sapply(seq_len(ncol(b)), function(i) rowMeans(cbind(b[,i], c[,i]), na.rm=TRUE))