为何R中mutate+sum结合ifelse与直接mutate+sum结果不同？

一、方法A与C结果不同的原因 #

• 方法A（如rowSums(across(starts_with("time")), na.rm = TRUE)）的逻辑是仅忽略计时列本身的NA，只要计时列非NA就计入求和，完全不考虑对应错误列的状态；
• 方法C是先通过ifelse筛选出“计时列和对应错误列均非NA”的有效数据，将无效项（含NA）替换为0后求和，逻辑是只有同时满足计时列和对应错误列非NA的数值才会被计入，其余情况按0处理；
  两者的计算范围存在本质差异：当行内存在“计时列非NA但对应错误列NA”的项时，方法A会将该计数值加入总和，而方法C会将其视为0不计入，这就是多数行结果差+1（若这类计数值多为1）、少数行差异更大（存在多个这类项）的原因。

二、正确实现需求的方法 #

需求核心：仅求和“计时列和对应错误列均非NA”的有效数据，全NA行返回NA。以下提供两种简洁实现方式：

方式1：结合rowSums与逻辑判断 #

假设数据框df包含前缀为time的计时列和前缀为error的对应错误列：

library(dplyr)

df <- df %>%
  mutate(
    # 生成每对time-error列是否都非NA的逻辑向量
    valid = pmap_lgl(
      list(across(starts_with("time")), across(starts_with("error"))),
      ~ !is.na(.x) & !is.na(.y)
    ),
    # 计算有效时间的和（无效项按0处理）
    S1_TotalTime = rowSums(across(starts_with("time")) * valid, na.rm = TRUE),
    # 全无效（全NA）的行替换为NA
    S1_TotalTime = ifelse(rowSums(valid) == 0, NA_real_, S1_TotalTime)
  )

方式2：使用rowwise逐行处理 #

library(dplyr)

df <- df %>%
  rowwise() %>%
  mutate(
    # 提取所有有效计时值（time和对应error均非NA）
    valid_times = c_across(starts_with("time"))[
      !is.na(c_across(starts_with("time"))) & !is.na(c_across(starts_with("error")))
    ],
    # 求和：无有效数据则返回NA，否则返回总和
    S1_TotalTime = if (length(valid_times) == 0) NA_real_ else sum(valid_times)
  ) %>%
  ungroup()

验证说明 #

两种方法都会：

1. 仅保留“计时列和对应错误列均非NA”的数值参与求和；
2. 当行内所有time-error对均为NA时，返回NA而非0。

内容的提问来源于stack exchange，提问作者Anne McLaughlin