R语言中为DF1添加对应ID的DF2 Amount列NA计数失败求助

我有两个数据框DF1和DF2：DF2是考勤记录系统，包含IDs、Dates和Amounts列；DF1包含IDs及其他不重叠列。当员工缺勤时，DF2中会记录ID和日期，但Amount标记为R语言的NA值。我想在DF1中新增一列，统计每个ID在DF2的Amount列中对应的NA值数量。使用的代码如下：

df1$na_count <- sum(df2$id == df1$id & is.na(df2$amount))

原本以为这段代码能通过匹配DF2与DF1的ID、判断Amount是否为NA生成布尔数组，求和得到计数，但结果始终为0，求排查问题。

• 向量长度不匹配的循环补齐问题：R中当执行df2$id == df1$id时，如果两个数据框行数不同，R会自动循环补齐较短的向量。比如DF1有10行、DF2有100行，df1$id会被重复10次去匹配DF2的100行，导致匹配逻辑完全混乱，根本无法按每个ID单独统计。
• sum函数的作用范围错误：直接调用sum()会对整个布尔向量求和，得到一个单一值，再循环补齐到DF1的每一行，而非按DF1的每个ID分别计算对应NA数量，结果自然不符合预期。

以下是几种常用的正确实现方式：

方法1：dplyr包（tidyverse风格） #

这是最直观的tidyverse处理方式，先分组统计再关联：

library(dplyr)

df1 <- df2 %>%
  group_by(IDs) %>%
  summarise(na_count = sum(is.na(Amounts))) %>%
  right_join(df1, by = "IDs") %>%
  mutate(na_count = replace_na(na_count, 0)) # 对DF1存在但DF2无记录的ID，将NA转为0

方法2：base R的ave函数 #

用base R原生函数实现分组统计，再匹配到DF1：

# 在DF2中按ID分组统计NA数量
na_counts <- with(df2, ave(is.na(Amounts), IDs, FUN = sum))
# 去重得到ID与计数的映射表
id_na_map <- unique(data.frame(IDs = df2$IDs, na_count = na_counts))
# 匹配映射表到DF1
df1$na_count <- id_na_map$na_count[match(df1$IDs, id_na_map$IDs)]
# 匹配不到的ID（DF1有但DF2无记录）设为0
df1$na_count[is.na(df1$na_count)] <- 0

方法3：base R的table函数 #

通过统计NA行的ID频次来实现：

# 筛选DF2中Amount为NA的行，统计每个ID的出现次数
na_table <- table(df2$IDs[is.na(df2$Amounts)])
# 匹配到DF1，无记录的ID填0
df1$na_count <- as.integer(na_table[as.character(df1$IDs)])
df1$na_count[is.na(df1$na_count)] <- 0

内容的提问来源于stack exchange，提问作者x0nar