您可以尝试以下操作：

eumR <- eumR[complete.cases(eumR),]

eumR$mean <- apply(eumR,1,function(x) {
  x <- as.numeric(x[3:7])
  mean(x[!(x %in% c(min(x),max(x)))])})

如果没有可复制的示例，我将无法调试，请提供一个示例。

这也是tidyverse解决方案。将使用pivot_longer从宽格式转换为长格式，这对于管理此类数据将是更好的选择。 drop_na将删除缺少值的数据行。

对于每个town和id，将filter确保您有5行数据。然后，将对值进行排名（关系是随机确定的）。这样可以确保您在出现最小或最大平局的情况下可以基于5个值中的3个来计算平均值。

library(tidyverse)

df %>%
  pivot_longer(cols = starts_with("eumr"),names_to = "eumr",values_to = "value") %>%
  drop_na(value) %>%
  group_by(town,id) %>%
  filter(n() == 5) %>%
  mutate(the_rank  = rank(-value,ties.method = "random")) %>%
  filter(the_rank > 1 & the_rank < 5) %>%
  summarise(mean_value = mean(value))

好的，在大家的帮助下，我找到了这个解决方案：

install.packages("NCmisc") 图书馆（NCmisc）

删除数字列表的最小值和最大值的函数，并返回平均值

drop_avg = function(v){
  new = v[v != max(v) & v!= min(v)] # remove min & max
  avg = mean(new)
  return(avg)
 }

为平均值创建新列

data$avg_E_Inner_R = NA 
data$avg_E_Inner_L = NA
data$avg_M_Inner_R = NA
data$avg_M_Inner_L = NA 

遍历数据框“data”的行

删除最小值和最大值，取平均值，将平均值放入数据框中的另一列

for (row in 1:nrow(data)){
  E_Inner_R = data[row,c("E_Inner_R_Arm_1","E_Inner_R_Arm_2","E_Inner_R_Arm_3","E_Inner_R_Arm_4","E_Inner_R_Arm_5")] 
  data[row,]$avg_E_Inner_R = drop_avg(E_Inner_R)

  E_Inner_L = data[row,c("E_Inner_L_Arm_1","E_Inner_L_Arm_2","E_Inner_L_Arm_3","E_Inner_L_Arm_4","E_Inner_L_Arm_5")]
  data[row,]$avg_E_Inner_L = drop_avg(E_Inner_L)
  
  M_Inner_R = data[row,c("M_Inner_R_Arm_1","M_Inner_R_Arm_2","M_Inner_R_Arm_3","M_Inner_R_Arm_4","M_Inner_R_Arm_5")]
  data[row,]$avg_M_Inner_R = drop_avg(M_Inner_R)
  
  M_Inner_L = data[row,c("M_Inner_L_Arm_1","M_Inner_L_Arm_2","M_Inner_L_Arm_3","M_Inner_L_Arm_4","M_Inner_L_Arm_5")]
  data[row,]$avg_M_Inner_L = drop_avg(M_Inner_L)
}