如何在R的管道操作中优雅统计dataframe行数？

这个场景我太熟悉啦——不想打断管道流程、不想额外存储中间数据，却要在步骤之间获取当前数据的行数，甚至基于行数生成序列，这里有几个实用又优雅的解决方案：

方法1：用.指代当前数据框（最直接） #

在dplyr的管道里，.就代表前一步输出的dataframe，直接把它传给nrow()就能拿到当前行数：

library(dplyr)
scrap <- as.data.frame(matrix(1:16, ncol = 4))
scrap[4,] <- rep(NA, 4)

scrap %>% 
  drop_na() %>% 
  mutate(index = 1:nrow(.))

这样就能完美替代你示例里的XXX，nrow(.)会自动读取drop_na()处理后的数据集行数。

方法2：用row_number()函数（最tidy风格） #

如果你只是想生成从1开始的行号，完全不用手动计算行数——dplyr的row_number()函数专门干这个，它会自动基于当前数据框的行顺序生成序列：

scrap %>% 
  drop_na() %>% 
  mutate(index = row_number())

这个写法更简洁，也更符合tidyverse的设计理念，不用关心具体行数是多少，让dplyr帮你处理细节。

方法3：用tap()查看行数（适合调试/日志） #

如果还想在控制台输出中间行数（比如做调试记录），可以用dplyr::tap()，它会执行你指定的操作但返回原数据，完全不打断管道流程：

scrap %>% 
  drop_na() %>% 
  tap(~ cat("移除全NA行后的数据行数：", nrow(.), "\n")) %>% 
  mutate(index = row_number())

运行后控制台会打印行数，同时后续的mutate操作不受任何影响。

为什么你之前的写法会报错？ #

你直接写nrow()的时候报错，是因为nrow()必须接收一个数据框作为参数，管道里它不知道要处理哪个数据——而.就是告诉它：“用前一步传过来的那个数据集！”

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