如何用dplyr统计数据框变量的年度覆盖情况并生成透视表？

原始数据 #

ID Year Var1 Var2 Var3 Var4
1  2001  1    1     3    NA
2  2001  2    3     8     7
3  2002  NA   4     2     1
4  2003  2    8     NA    8
5  2006  NA   NA    NA    NA
6  2007  2    NA    8     8
7  2007  6    7     7     3

需求说明 #

统计各变量的年度覆盖情况：若某变量在某年份存在至少一个非NA值，则标记为1（已覆盖），否则标记为0（未覆盖），最终生成以变量为行、年份为列的表格。

期望输出 #

Var 2001 2002 2003 2006 2007
Var1 1    0    1    0    1
Var2 1    1    1    0    1
Var3 1    1    0    0    1
Var4 1    1    1    0    1

解决方案代码 #

使用dplyr结合tidyr的转置函数即可实现，代码如下：

library(dplyr)
library(tidyr)

# 构造原始数据框（已有数据可跳过此步）
df <- tibble(
  ID = 1:7,
  Year = c(2001, 2001, 2002, 2003, 2006, 2007, 2007),
  Var1 = c(1, 2, NA, 2, NA, 2, 6),
  Var2 = c(1, 3, 4, 8, NA, NA, 7),
  Var3 = c(3, 8, 2, NA, NA, 8, 7),
  Var4 = c(NA, 7, 1, 8, NA, 8, 3)
)

# 核心处理逻辑
result <- df %>%
  # 宽表转长表：将所有Var开头的列转为变量名和对应值
  pivot_longer(cols = starts_with("Var"), names_to = "Var", values_to = "value") %>%
  # 按年份和变量分组，统计是否存在非NA值（转成1/0标记）
  group_by(Year, Var) %>%
  summarise(coverage = as.integer(any(!is.na(value))), .groups = "drop") %>%
  # 长表转宽表：年份作为列，变量作为行
  pivot_wider(names_from = Year, values_from = coverage) %>%
  # 调整列顺序匹配期望输出
  select(Var, `2001`, `2002`, `2003`, `2006`, `2007`)

# 查看结果
print(result)

代码解释 #

1. pivot_longer：把原始宽格式数据转为长格式，将Var1-Var4合并为Var（变量名）和value（对应值）两列，方便后续分组统计。
2. group_by + summarise：按年份和变量分组，用any(!is.na(value))判断该组是否存在非NA值，通过as.integer()将布尔值转为1（TRUE）或0（FALSE）。
3. pivot_wider：把统计后的长格式数据转回宽格式，实现"变量为行、年份为列"的结构。
4. select：调整列的顺序，与期望输出的年份排序一致（若年份顺序无要求可省略）。

内容的提问来源于stack exchange，提问作者flâneur