如何在R中处理含NA/9的行统计与过滤（na.rm问题）

核心问题分析 #

1. nine.num出现NA的原因：当单元格值为NA时，==9的判断结果是NA，rowSums默认会保留NA，导致整行的nine.num变成NA。必须在rowSums中添加na.rm=TRUE来忽略这些NA值，只统计明确等于9的数量。
2. 过滤代码失效的原因：你用了sum(na.num, nine.num)，这是对整个列求和，不是每行的数值相加。正确的做法是直接对每行的na.num和nine.num做加法，再判断条件。

修正后的完整代码 #

peeps.23 <- longitudinal %>%
  select(final_id, year, all_of(schl.context)) %>%
  filter(year == 2023) %>%
  mutate(
    na.num = rowSums(is.na(select(., all_of(schl.context)))),
    nine.num = rowSums(select(., all_of(schl.context)) == 9, na.rm = TRUE),
    total_missing = na.num + nine.num
  ) %>%
  filter(total_missing < 5)  # 移除总数≥5的行，留下总数<5的行

更简洁的写法（无需单独统计na.num和nine.num） #

如果不需要保留na.num和nine.num这两个中间列，可以直接一步计算总数并过滤：

peeps.23 <- longitudinal %>%
  select(final_id, year, all_of(schl.context)) %>%
  filter(year == 2023) %>%
  mutate(
    total_missing = rowSums(
      is.na(select(., all_of(schl.context))) | select(., all_of(schl.context)) == 9,
      na.rm = TRUE
    )
  ) %>%
  filter(total_missing < 5)

关键细节说明 #

• 替换one_of为all_of：dplyr 1.0.0版本后，推荐用all_of来处理字符向量指定的列选择，one_of属于旧版语法。
• na.rm=TRUE的作用：在rowSums中添加这个参数，会忽略计算过程中出现的NA值，确保统计结果为有效数值。
• 过滤条件：因为你需要移除总数≥5的行，所以过滤时保留total_missing <5的行即可。

内容的提问来源于stack exchange，提问作者Stuart