我来帮你排查代码里的问题，然后给出能达成你需求的正确实现方案～

先说说你代码里的问题 #

1. 数据类型误用：你用df["x3"]和df["x4"]取列的时候，返回的是数据框对象，不是我们需要的向量，直接用&做逻辑运算会导致结果完全不符合预期；
2. 条件判断逻辑错误：你想实现的是“只要行里任意一列有有效值就计算总和”，也就是该行不是全NA，但原代码里的is.na(c(df["x3"] & df["x4"]))根本没法正确判断这个条件。

正确的实现方法 #

这里给你两种简洁可靠的写法，都能满足需求：

方法一：用rowSums快速判断非NA数量

这种方法效率更高，适合处理大数据集：

df <- data.frame( x3=c(2,NA,3,5,4,6,NA,NA,3,3), x4=c(0,NA,NA,6,5,6,NA,0,4,2))
# 先判断每行是否至少有一个非NA值
has_valid_value <- rowSums(!is.na(df[, c("x3", "x4")])) >= 1
# 根据条件计算总和：有有效值就算总和，全NA的行设为NA
df$summ <- ifelse(has_valid_value, rowSums(df[, c("x3", "x4")], na.rm = TRUE), NA)

方法二：用apply逐行处理

这种写法更直观，容易理解：

df <- data.frame( x3=c(2,NA,3,5,4,6,NA,NA,3,3), x4=c(0,NA,NA,6,5,6,NA,0,4,2))
df$summ <- apply(df[, c("x3", "x4")], 1, function(row) {
  # 检查当前行是否有至少一个非NA值
  if (any(!is.na(row))) {
    sum(row, na.rm = TRUE)
  } else {
    NA
  }
})

最终效果 #

运行上面任意一种代码后，你会得到符合预期的结果：

x3 x4 summ
1   2  0    2
2  NA NA   NA
3   3 NA    3
4   5  6   11
5   4  5    9
6   6  6   12
7  NA NA   NA
8  NA  0    0
9   3  4    7
10  3  2    5

全NA的行（第2、7行）summ列保持NA，其他行都正确计算了有效值的总和。

内容的提问来源于stack exchange，提问作者str_rst