基于预定义列类型筛选列的R语言数值统计实现需求

需求说明 #

已定义包含列类型的col_list，需统计所有列的数值频次，但要排除col_list中定义为integer或character的列；最终目标仅动态统计col2至col4的数值，生成df1后过滤掉col_list中标记为integer的列。

原代码问题 #

1. col_list语法错误：元素间缺少逗号分隔
2. 数据源引用错误：使用未定义的df而非data
3. 列匹配规则错误：starts_with("col_")无法匹配col1/col2等无下划线的列
4. 未结合col_list的类型定义实现动态过滤，而是采用硬编码规则

修正后的完整代码 #

# 修正col_list的语法错误（补充缺失逗号）
col_list <- list(
  newid = as.character(),
  col1 = as.integer(),
  col2 = as.integer(),
  col3 = as.character(),
  col_max = as.character()
)

# 原始数据集
data <- data.frame(
  newid= c(212,132,354,222,263,235,233,263,106,135,144),
  col1= c(1,2,2,1,4,3,2,4,0,5,0),
  col2= c(1,1,0,3,2,4,1,0,1,3,5),
  col3= c(1,1,0,3,2,4,1,0,1,3,5),
  col4= c(1,1,0,3,2,4,1,0,1,3,5),
  col_max= c("NM","mn","PA","OH","KL","AB","OT","HA","AM","LA","GA")
)

# 从col_list中提取需排除的列（类型为integer或character）
exclude_cols <- names(col_list)[sapply(col_list, function(x) class(x) %in% c("integer", "character"))]

# 筛选目标列：col2-col4中不在排除列表的列
target_cols <- setdiff(names(data)[grepl("^col[2-4]$", names(data))], exclude_cols)

# 统计目标列的数值总和（匹配原代码逻辑）
df1 <- data %>% 
  summarise(across(all_of(target_cols), ~ sum(.x, na.rm = TRUE)))

# 若需统计数值频次（每个值的出现次数），使用以下代码
df1_freq <- data %>% 
  select(all_of(target_cols)) %>% 
  pivot_longer(everything(), names_to = "column", values_to = "value") %>% 
  count(column, value)

代码说明 #

• 先修正col_list的语法问题，确保类型定义有效
• 通过sapply遍历col_list，动态生成需要排除的列名列表
• 结合正则表达式筛选col2至col4，再排除col_list中指定类型的列
• 提供两种统计逻辑：数值求和（对应原代码）和数值频次统计（符合需求描述）

内容的提问来源于stack exchange，提问作者newcomer