寻找一个函数来有条件地对前 n 个值（不是行！）的平均值进行微调，并返回数字而不是数据帧

问：

我有一个大数据框： percentage_activity

# A tibble: 4,437 x 3
# Groups:   DATETIME [87]
   DATETIME            ID        COUNT
   <dttm>              <chr>     <int>
 1 2020-06-07 00:00:00 Bagheera     NA
 2 2020-06-07 00:00:00 Bagheera2     0
 3 2020-06-07 00:00:00 Baloo img     0
 4 2020-06-07 00:00:00 Banna        NA
 5 2020-06-07 00:00:00 Blair       158
 6 2020-06-07 00:00:00 Carol        NA

其中，我想计算特定 ID 的前 5 个 COUNT 的平均值，然后在 for 循环中，将每个 COUNT 值表示为一个数量，为该 ID 计算的平均值为该特定 ID 的 100%。 为此，我真的宁愿得到一个平均值，而不是作为所有个人的数据，而是作为所需 ID 的单个数字，然后将其用作 for 循环中的变量。

我实际上正在尝试重建一个循环，该循环适用于每个 ID 的单独列组织的相同数据，但是在将数据融化为一个 ID 列后，它需要判定：

max_activity <- readline(prompt="enter a number: ")
    for(i in 2:length(percentage_activity)) {
    percentage_activity[[i]] <- 
     as.numeric(percentage_activity[[i]]*100/mean(sort(percentage_activity[[i]] ,T) 
    [1:max_activity]))
}

我也试过了这个，但我不确定如何从这里开始：

for (i in unique(percentage_activity$ID)){
  individual <- percentage_activity$ID == i
  mean(percentage_activity[individual,"COUNT"], na.rm=TRUE)
}