当某些组具有NA值时， dplyr::mutate() 可能会返回不正确的结果，具体取决于所考虑的组 . 在粗略搜索之后我没有在StackOverflow上找到类似的问题，尽管它可能与dplyr问题#1545有关 . 对此模式的任何解释都将非常感激 .

以下示例计算通过 mutate 的组平均值 . （使用 summarize 而不是 mutate 不会导致此问题 . ）

library(dplyr)

#Sample function: calculate group means    
foo <- function(data, groups) { 
      data %>% 
        filter(Group %in% groups) %>%
        group_by(Group) %>%
        mutate(mean = mean(value, na.rm = TRUE))
}

set.seed(1)
df <- data.frame(Group = rep(1:4, each = 2), 
                 value = c(rep(NA, 2), sample(1:10, 6, replace = TRUE)))
df
#  Group value
#1     1    NA
#2     1    NA
#3     2     3
#4     2     4
#5     3     6
#6     3    10
#7     4     3
#8     4     9

在此data.frame中，组1由NA值组成 . 在组1上运行 foo 应该产生NA值，而组2,3,4分别应该产生3.5,8,6 . 但是，实际结果取决于包含的组：

foo(df, 1:4)      #group 3 fails
#  Group value  mean
#  (int) (int) (dbl)
#1     1    NA    NA
#2     1    NA    NA
#3     2     3   3.5
#4     2     4   3.5
#5     3     6    NA  #<-- should be 8
#6     3    10    NA  #<-- should be 8
#7     4     3   6.0
#8     4     9   6.0

foo(df, 2:4)      #correct
foo(df, 3:1)      #group 3 fails
foo(df, c(1,3))   #group 3 fails
foo(df, c(2,3))   #correct
foo(df, c(3,4))   #correct
foo(df, c(1,2))   #group 2 fails
foo(df, c(1,3,4)) #correct
foo(df, c(1,2,4)) #correct

在测试具有不同NA值排序的各种类型的 df 之后，当先前的组具有NA值时，看起来不为某些组计算平均值 . 但为什么输出的差异呢？例如，在上述示例中，组3倾向于失败，而成功计算组2的平均值 .

sessionInfo()
#R version 3.1.3 (2015-03-09)
#Platform: x86_64-w64-mingw32/x64 (64-bit)
#Running under: Windows 7 x64 (build 7601) Service Pack 1
#
#locale:
#  [1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252   
#[3] LC_MONETARY=English_United States.1252 LC_NUMERIC=C                          
#[5] LC_TIME=English_United States.1252    
#
#attached base packages:
#  [1] stats     graphics  grDevices utils     datasets  methods   base     
#
#other attached packages:
#  [1] dplyr_0.4.3
#
#loaded via a namespace (and not attached):
#  [1] assertthat_0.1  DBI_0.4         magrittr_1.5    parallel_3.1.3  R6_2.1.2       
#[6] Rcpp_0.12.4     rsconnect_0.4.3 tools_3.1.3
r dplyr