R语言中按年龄段统计多列非NA值的方法——dplyr包summarise_if函数使用n报错问题

首先咱们拆解下你遇到的问题：你想按age_grp分组，对每个整数类型的列（Q1-Q50）统计非NA值的数量，但用n时出错，换成mean能运行但结果完全不符合需求。这背后的原因和解决方法如下：

为什么n会失效？ #

dplyr里的n()函数是用来统计当前分组的总行数的，它不需要任何额外参数（包括na.rm）。当你在summarise_if里写n, na.rm=TRUE时，相当于尝试调用n(na.rm=TRUE)，但n()根本没有这个参数，自然会触发参数不匹配的错误。

而mean()能运行只是因为它本身支持na.rm参数，但它计算的是列的均值，完全不是你要的非NA值数量。

正确的解决方案 #

你需要对每一列单独统计非NA值的个数，这里有两种写法，分别适配新旧版本的dplyr：

方法1：用summarise_if（兼容旧版dplyr） #

自定义匿名函数，通过sum(!is.na(.x))来统计每列的非NA值数量：

library(dplyr)
df2 <- df %>% 
  group_by(age_grp) %>% 
  summarise_if(is.integer, ~sum(!is.na(.x)))

方法2：用across（新版dplyr推荐写法） #

由于summarise_if已被软弃用，新版dplyr更推荐用across函数来指定要处理的列：

df2 <- df %>% 
  group_by(age_grp) %>% 
  summarise(across(where(is.integer), ~sum(!is.na(.x))))

这两种写法都能精准实现你的需求：按年龄段分组，统计每个整数列的非NA值数量。

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