如何优化R语言中特定列满足条件的行求和代码？

方法1：用rowwise() + c_across()实现 #

直接在单个mutate语句里，通过c_across(v1:v4)获取每行指定范围的列值，判断是否等于"a"后求和，完全不会修改原有列：

library(dplyr)

# 示例数据
df <- tibble(
  v1 = c("a", "b", "a"),
  v2 = c("b", "a", "a"),
  v3 = c("a", "c", "b"),
  v4 = c("d", "a", "a"),
  other_col = c(1, 2, 3) # 保留的其他列
)

# 生成n_a列，原列丝毫不改
df <- df %>%
  rowwise() %>%
  mutate(n_a = sum(c_across(v1:v4) == "a")) %>%
  ungroup() # 别忘了取消行分组，避免后续操作受影响

方法2：向量化写法（更高效，无需rowwise()） #

如果数据量较大，逐行处理的rowwise速度偏慢，用rowSums配合across做向量化判断，性能提升明显，同样满足要求：

df <- df %>%
  mutate(n_a = rowSums(across(v1:v4, ~ .x == "a"), na.rm = TRUE))

关键说明 #

• 两种方法都仅新增n_a列，v1-v4及其他原有列完全保持原样
• 均支持v1:v4这类列范围语法，无需逐个输入列名
• 数据量大时优先选方法2，向量化处理速度远快于逐行计算

内容的提问来源于stack exchange，提问作者Wael