如何从 R 中的数据帧计算具有特定数量的 NA 或根本没有 NA 的变量的平均值？答案

【问题标题】：How to calculate means from data frame in R for a variable with specific amount of NAs or not NAs at all?如何从 R 中的数据帧计算具有特定数量的 NA 或根本没有 NA 的变量的平均值？
【发布时间】：2016-06-29 13:29:09
【问题描述】：

所以我在表格中有很多数据（每天 4 个值）

  date       var1      var2 
1  2003-10-28    1.2       970     
2  2003-10-28     NA       510     
3  2003-10-28     NA       640     
4  2003-10-28     NA       730     
5  2003-10-30    2.0       570     
6  2003-10-30     NA       480     
7  2003-10-30    1.2       580     
8  2003-10-30    1.2       297     
9  2002-05-07    3.0       830     
10 2002-05-07    4.8       507     
11 2002-05-07    4.8       253     
12 2002-05-07     NA       798

并且我需要每天计算 var1 的总和，例如，如果该特定日期的 NA 值少于 2 个（或没有），否则该日期应被忽略。同时我应该计算相同日期的 var2 的平均值，如果还计算了 var1 的总和。然后我应该将这些平均值、总和和日期保存到另一个数据框中，这样那些被忽略的日期就不存在了。

我尝试了各种循环结构，但我对必须为根本没有 NA 的日期计算均值和总和这一事实感到困惑。保存日期、平均值和总和也会让我陷入困境，因为我不知道如何正确地进行索引。

因此，此示例数据的预期输出应如下所示

  date      sum(var1)  mean(var2)
1 2003-10-30    4.8         480.75
2 2002-05-07    17.4        561.75

【问题讨论】：

请添加预期输出和您的代码（即使它不起作用）。
stackoverflow.com/questions/5963269/…

标签： r loops if-statement dataframe na

【解决方案1】：

这是data.table 的选项。将'data.frame'转换为'data.table'（setDT(df1)），按'date'分组if'var1'中NA值的个数小于3，则得到'var1'的sum ' 和 'var2' 的 mean。

library(data.table)
setDT(df1)[,if(sum(is.na(var1)) < 3) .(Sum = sum(var1, na.rm=TRUE), 
           Mean = mean(var2, na.rm=TRUE)) , by = date]
#          date  Sum   Mean
#1: 2003-10-30  4.4 481.75
#2: 2002-05-07 12.6 597.00

【讨论】：

总是给出很好的答案

【解决方案2】：

使用dplyr。假设你的原始数据集是df

library(dplyr)
df %>% group_by(date) %>% filter(sum(is.na(var1)) <= 2)%>% summarise(Sum = sum(var1, na.rm = T), Mean = mean(var2, na.rm = T))

数据

df <- read.table(text = "         date var1 var2
1  2003-10-28  1.2  970
2  2003-10-28   NA  510
3  2003-10-28   NA  640
4  2003-10-28   NA  730
5  2003-10-30  2.0  570
6  2003-10-30   NA  480
7  2003-10-30  1.2  580
8  2003-10-30  1.2  297
9  2002-05-07  3.0  830
10 2002-05-07  4.8  507
11 2002-05-07  4.8  253
12 2002-05-07   NA  798",header =TRUE)

输出

Source: local data frame [2 x 3]

    date   Sum   Mean
  (date) (dbl)  (dbl)
1 2002-05-07  12.6 597.00
2 2003-10-30   4.4 481.75

【讨论】：