如何使用summarize_all()统计数据集中各列的非NA值数量？

我想要创建一个表格，统计数据集中每一列的非NA值数量。我正在使用summarize_all()函数，但无法得到正确的非NA值统计结果。

我参考了相关帖子获取思路，但似乎没能帮我得到想要的统计结果：如果传入summarize_all(n_distinct)会得到不同值的数量，而传入summarize_all(list(n=~n()))或summarize_all(list(n="length"))，则会得到行数。

我的期望输出：

ID Female  Male Non_Binary
 5      5     4          3

我哪里出错了？

示例代码 #

# Sample Code
test <- as_tibble(data.frame(`ID` = c("1","2","3","4","5"),
                             `Female` = c("Female","Female","Female","Female","Female"),
                             `Male` = c(NA,"Male","Male","Male","Male"),
                             `Non_Binary`=c("Non-Binary","Non-Binary","Non-Binary",NA,NA)))

## Attempt 1
summary <- test %>%
  summarize_all(list(n=~n()))
# 输出结果
# A tibble: 1 × 4
#   ID_n Female_n Male_n Non_Binary_n
#  <int>    <int>  <int>        <int>
#1     5        5      5            5

## Attempt 2
summary <- test %>%
  summarize_all(list(n="length"))
# 输出结果
# A tibble: 1 × 4
#   ID_n Female_n Male_n Non_Binary_n
#  <int>    <int>  <int>        <int>
#1     5        5      5            5

## Attempt 3
summary <- test %>%
  summarize_all(n_distinct)
# 输出结果
# A tibble: 1 × 4
#     ID Female  Male Non_Binary
#  <int>  <int> <int>      <int>
#1     5      1     2          2

### 期望输出
# ID Female  Male Non_Binary
#  5      5     4          3

你之前的尝试没命中需求，核心问题是选的函数不对：

• n()和length()返回的是列的总行数，不管单元格是不是NA；
• n_distinct()统计的是列里不同非NA值的个数，不是非NA值的总数量。

要统计每列的非NA值总数，这几种方法都能解决：

方法1：用summarize_all()结合sum(!is.na(.)) #

直接通过布尔值统计非NA的数量：

summary <- test %>%
  summarize_all(~sum(!is.na(.)))

运行后输出：

# A tibble: 1 × 4
     ID Female  Male Non_Binary
  <int>  <int> <int>      <int>
1     5      5     4          3

原理很简单：!is.na(.)把每个单元格转成TRUE（非NA）或FALSE（NA），sum()会自动把TRUE当成1、FALSE当成0，加起来就是非NA值的总数。

方法2：用naniar包的n_complete()（更直观） #

如果你装了naniar包，直接用专门统计非NA值的函数，代码更简洁：

library(naniar)
summary <- test %>%
  summarize_all(n_complete)

输出结果和方法1完全一致。

方法3：用across()替代已退役的summarize_all() #

tidyverse现在推荐用across()代替旧的*_all()系列函数（summarize_all()已经被软弃用），写法如下：

summary <- test %>%
  summarize(across(everything(), ~sum(!is.na(.))))

或者结合naniar：

summary <- test %>%
  summarize(across(everything(), n_complete))

这样就能得到你想要的每列非NA值统计结果了。

内容的提问来源于stack exchange，提问作者Mary Rachel