在R中根据NA数量分类变量的两种场景实现方法问询

场景1：判断指定16列是否全为NA，生成新变量x1 #

你原代码里的df[cols] == NA是错误写法——NA和任何值做比较都会返回NA，无法正确统计NA数量。修正后的写法有两种：

方法1：用rowSums + is.na #

cols <- 1:16
df %>% 
  mutate(x1 = ifelse(rowSums(is.na(.[cols]), na.rm = TRUE) == 16, "Yes", "No"))

方法2：用dplyr的if_all（更直观，需dplyr 1.0及以上版本） #

cols <- 1:16
df %>% 
  mutate(x1 = ifelse(if_all(cols, is.na), "Yes", "No"))

场景2：判断指定12个变量是否至少存在1个NA #

用dplyr的if_any函数可以直接实现，它会检查指定列中是否有任意一行满足条件：

# 先定义目标列，可换成具体列名比如c("var1", "var2", ...)
cols_12 <- 1:12
df %>% 
  mutate(has_na = ifelse(if_any(cols_12, is.na), "Yes", "No"))

如果用base R写法：

df$has_na <- ifelse(rowSums(is.na(df[cols_12])) > 0, "Yes", "No")

内容的提问来源于stack exchange，提问作者Lili