识别缺失值是否等于组内均值

Question

我在下面有一个数据集：

# dt
Year   ST   CC   ID     M    NonMissing  Tot   GRP_Mean
2004   55   35   60    NA             3    4   174.0000
2005   55   35   60   174             3    4   174.0000
2006   55   35   60   174             3    4   174.0000
2007   55   35   60   174             3    4   174.0000
2004   55   35   61    NA             3    4   158.3333
2005   55   35   61   174             3    4   158.3333
2006   55   35   61   127             3    4   158.3333
2007   55   35   61   174             3    4   158.3333

我按以下组创建了平均值：

dt[, GRP_Mean := mean(M, na.rm = T), by = .(ST, CC, ID)]

如何确定M 是否等于GRP_Mean。比如这样：

# dt
Year   ST   CC   ID     M    NonMissing  Tot   GRP_Mean    Equal
2004   55   35   60    NA             3    4   174.0000     TRUE
2005   55   35   60   174             3    4   174.0000     TRUE
2006   55   35   60   174             3    4   174.0000     TRUE
2007   55   35   60   174             3    4   174.0000     TRUE
2004   55   35   61    NA             3    4   158.3333    FALSE
2005   55   35   61   174             3    4   158.3333    FALSE
2006   55   35   61   127             3    4   158.3333    FALSE
2007   55   35   61   174             3    4   158.3333    FALSE

ID == 60 在M 列中具有相同的编号174，因此它们具有相同的GRP_Mean，给出TRUE。

但是，ID == 61 在M 列下没有完全相同的值，请给出 FALSE。

我该怎么做？

Answer 1

我们可以使用%in% 或使用is.na 为NA 元素创建一个案例

library(data.table)  
dt[, Equal := all(GRP_Mean[!is.na(M)] == M[!is.na(M)]), .(ST, CC, ID)]

也可以

dt[, Equal : GRP_Mean == M |is.na(M)]

注意：双精度值的存在可能会将== 更改为 FALSE。因此，要么对 rounded 或整数值（as.integer(GRP_Mean)[!is.na(M)] == M[!is.na(M)] 或在 cmets 中提到的 @GregorThomas 进行比较，在列之间进行差异，检查差异是否小于 1e-10 或者它是不适用

dt[, Equal := abs(GRP_Mean - M) < 1e-10 |!is.na(M)]