在R语言中对多变量条件计数（统计yes值）及优化问题

原始数据与需求 #

我们有如下数据框，需要统计每行中所有"yes"的数量：

have = data.frame(x1 = c("yes", "no", NA, "yes", "yes", "yes", NA, "no"),
                  x2 = c("no", "yes", "no", NA, "no", "yes", NA, NA),
                  x3 = c(NA, NA, NA, "yes", "yes", "yes", NA, "yes"),
                  x4 = c("no", "yes", "no", "no", "no", "no", NA, "no"),
                  x5 = c(NA, "no", "no", "no", "no", NA, NA, "no"))

# 期望得到的结果
want = data.frame(have,
                  count_yes = c(1, 2, 0, 2, 2, 3, 0, 1))

尝试代码 #

attempt = as.data.frame(
  have %>% 
    mutate(count_yes_all = str_count(x1, "yes", na.rm=TRUE) +
             str_count(x2, "yes", na.rm=TRUE) + 
             str_count(x3, "yes", na.rm=TRUE) + 
             str_count(x4, "yes", na.rm=TRUE) + 
             str_count(x5, "yes", na.rm=TRUE))
  )

疑问 #

1. 如何处理NA值？
2. 有20多个以"x"开头的变量，如何高效编写代码，避免重复多行？

解决方案 #

1. NA值的正确处理 #

你尝试中使用的str_count函数没有na.rm参数，这个参数会被忽略，导致NA参与加法运算时结果仍为NA。正确逻辑是先将每个元素判断是否等于"yes"（NA会被转为FALSE），再统计数量时通过na.rm=TRUE排除NA的影响。

2. 批量处理以"x"开头的变量 #

无需逐个列手动调用函数，用以下两种方法可以高效处理所有目标列：

方法一：rowwise() + c_across()（直观易读）

library(dplyr)

result <- have %>%
  rowwise() %>%
  mutate(count_yes = sum(c_across(starts_with("x")) == "yes", na.rm = TRUE)) %>%
  ungroup()

• starts_with("x")自动匹配所有以"x"开头的列，适配任意数量的目标变量
• == "yes"将每个元素转为逻辑值（TRUE表示是"yes"，FALSE/NA表示不是）
• sum(..., na.rm=TRUE)统计每行TRUE的数量，同时忽略NA

方法二：rowSums()（性能更优，适合大数据集）

result <- have %>%
  mutate(count_yes = rowSums(.data[starts_with("x")] == "yes", na.rm = TRUE))

• .data[starts_with("x")]提取所有目标列，生成逻辑矩阵
• rowSums()直接对每行求和，na.rm=TRUE忽略NA，运算效率比rowwise()更高

验证结果 #

运行以下代码确认结果与预期一致：

all.equal(result, want)
# 输出：TRUE

内容的提问来源于stack exchange，提问作者Brian