你遇到的问题根源在于先使用select(V1:V3)过滤掉了ID列，后续操作只在这个子数据集里进行，所以最终结果丢失了原有变量。下面给你几个简单有效的方法，既能计算每行TRUE的数量，又能完整保留所有原有列：

方法1：直接指定求和列范围（最直观） #

不用提前筛选列，而是在mutate里通过select(., V1:V3)精准定位需要求和的列，这样原有列都会被保留：

library(dplyr)
tb %>% mutate(out = rowSums(select(., V1:V3)))

运行后得到的结果会包含所有原有变量：

ID    V1    V2    V3 out
1  a  TRUE FALSE  TRUE   2
2  b FALSE FALSE  TRUE   1
3  c  TRUE  TRUE FALSE   2

方法2：按列名规则批量选择（更灵活） #

如果你的逻辑列都有统一命名规则（比如都是V开头），可以用starts_with这类辅助函数批量选择，就算以后新增类似列也不用修改代码：

tb %>% mutate(out = rowSums(select(., starts_with("V"))))

方法3：使用rowwise + c_across（适合逐行操作场景） #

如果需要更精细化的逐行处理，可以结合rowwise()和c_across，不过这种方法对大数据集的效率略低于前两种：

tb %>% 
  rowwise() %>% 
  mutate(out = sum(c_across(V1:V3))) %>% 
  ungroup()

小提示 #

逻辑值TRUE在R中会被自动转换为1，FALSE转换为0，所以rowSums直接就能计算每行的TRUE数量，不需要额外转换类型。

内容的提问来源于stack exchange，提问作者Wael