如何在dplyr函数中通过正则表达式选择列进行计算？

这里有两种可行的方案，不用手动列写所有含'a'的列：

方案1：直接用c_across()匹配正则列 #

利用c_across()结合matches()正则匹配，一次性选中所有列名包含指定字符的列，再合并计算非NA值数量：

library(dplyr)

set.seed(1)
col_of_interest <- 'a'
df <- 
  data.frame(
    id=rep(1:2, each=5),
    a1=rnorm(10),
    a2=c(NA, NA, NA, rnorm(7)),
    b1=rnorm(10)
  )

df %>% 
  group_by(id) %>% 
  reframe(value_count = length(na.omit(c_across(matches(col_of_interest)))))

matches(col_of_interest)会自动匹配所有列名包含'a'的列，c_across()将这些列按行拼接成向量，后续的na.omit()和length()就能统计每组的非NA总数量。

方案2：先重构数据（转窄格式） #

如果觉得宽格式下的列选择逻辑不够直观，可以先把数据转成窄格式，再统计：

library(dplyr)
library(tidyr)

set.seed(1)
col_of_interest <- 'a'
df <- 
  data.frame(
    id=rep(1:2, each=5),
    a1=rnorm(10),
    a2=c(NA, NA, NA, rnorm(7)),
    b1=rnorm(10)
  )

df %>%
  pivot_longer(cols = matches(col_of_interest), names_to = "col_name", values_to = "value") %>%
  group_by(id) %>%
  reframe(value_count = sum(!is.na(value)))

pivot_longer()把所有含'a'的列转成col_name和value的键值对，之后直接用sum(!is.na(value))就能统计每组的非NA值总数，这种方式逻辑更清晰，后续如果要对这些列做其他分析也更方便。

内容的提问来源于stack exchange，提问作者drmariod