dplyr 不正确地总结不包括 NA答案

【问题标题】：dplyr Summarise improperly excluding NAdplyr 不正确地总结不包括 NA
【发布时间】：2018-06-08 11:38:56
【问题描述】：

我们可以按气缸对 mtcar 进行分组，并使用一些简单的代码汇总每加仑英里数。

library(dplyr)
mtcars %>% 
  group_by(cyl) %>% 
  summarise(avg = mean(mpg))

这提供了如下所示的正确输出。

    cyl      avg
1     4 26.66364
2     6 19.74286
3     8 15.10000

如果我请 dplyr 排除 NA，我会得到一些奇怪的结果。

mtcars %>% 
  group_by(cyl) %>% 
  summarise(avg = mean(!is.na(mpg)))

由于此数据集中没有 NA，因此结果应与上述相同。但它将所有 mpg 平均为“1”。 我的代码有问题还是 dplyr 中的错误？

    cyl   avg
1     4     1
2     6     1
3     8     1

我的实际数据集确实有一些我需要排除的 NA 仅用于此摘要，但表现出相同的行为。

【问题讨论】：

你取的是 logical 值的平均值，而不是 mean(!is.na(mpg)) 时的数字值

标签： r dplyr

【解决方案1】：

你想要这个：

mtcars %>% 
group_by(cyl) %>% 
summarise(avg = mean(mpg, na.rm = T))

# A tibble: 3 x 2
    cyl      avg
  <dbl>    <dbl>
1     4 26.66364
2     6 19.74286
3     8 15.10000

现在，您正在返回一个带有!is.na(mpg) 的logical 向量。当您采用 logical 向量的 mean() 时，它将被强制为 1，而不是您想要的 numeric 值。

【讨论】：

【解决方案2】：

按照您的编码方式，mean() 函数的输入是 TRUE 和 FALSE 值的向量。请改用mean(mpg[!is.na(mpg)])。

考虑使用我用于说明目的的data.table。以下都产生相同的结果。

library(data.table)
MT[, mean(mpg), by = cyl]
   cyl       V1
1:   6 19.74286
2:   4 26.66364
3:   8 15.10000

MT[, mean(mpg, na.rm=TRUE), by = cyl]
   cyl       V1
1:   6 19.74286
2:   4 26.66364
3:   8 15.10000

MT[, mean(mpg[!is.na(mpg)]), by = cyl]
   cyl       V1
1:   6 19.74286
2:   4 26.66364
3:   8 15.10000

【讨论】：