R语言中处理含NA的逻辑变量：判断求和是否大于2

问题背景 #

有一个包含5个二元变量（取值为0/1，存在NA缺失值）的dataframe，需要生成新变量判断每行的5个变量之和是否大于2，规则如下：

• 若所有补全NA后的可能和都>2，结果为TRUE
• 若所有补全NA后的可能和都≤2，结果为FALSE
• 若补全NA后和可能大于2也可能≤2，结果为NA

数据集示例：

df <- data.frame(
  a = c(1,0,1,0,0),
  b = c(1,0,NA,0,1),
  c = c(1,0,1,0,NA),
  d = c(0,1,1,NA,NA),
  e = c(0,0,0,1,1)
)

预期结果向量：c(TRUE, FALSE, TRUE, FALSE, NA)

原解法通过为每个变量生成0填充、1填充的冗余版本来计算最小/最大和，虽然可行，但变量数量增多时代码会极度冗长，以下是更简洁高效的优化方案：

优化方案1：用dplyr行操作计算核心指标 #

无需生成冗余变量，直接基于每行的已知值和NA数量推导最小/最大可能和：

library(dplyr)

df <- df %>%
  rowwise() %>%
  mutate(
    sum_known = sum(c_across(a:e), na.rm = TRUE),
    na_count = sum(is.na(c_across(a:e))),
    f = case_when(
      sum_known + na_count <= 2 ~ FALSE,
      sum_known >= 3 ~ TRUE,
      .default = NA
    )
  ) %>%
  ungroup() %>%
  select(-sum_known, -na_count) # 可选：移除中间计算变量

逻辑说明 #

• sum_known：每行非NA值的和（即把NA当作0的最小和）
• na_count：每行NA的数量，sum_known + na_count就是把NA当作1的最大和
• 用case_when按规则直接判断结果，逻辑清晰且代码简洁

优化方案2：向量化计算（适合大数据集） #

避免rowwise()的性能开销，用向量化操作实现相同逻辑，效率更高：

library(dplyr)

df <- df %>%
  mutate(
    sum_known = rowSums(select(., a:e), na.rm = TRUE),
    na_count = rowSums(is.na(select(., a:e))),
    f = case_when(
      sum_known + na_count <= 2 ~ FALSE,
      sum_known >= 3 ~ TRUE,
      .default = NA
    )
  ) %>%
  select(-sum_known, -na_count) # 可选移除中间变量

逻辑说明 #

• rowSums(select(., a:e), na.rm = TRUE)：直接计算每行非NA值的和
• rowSums(is.na(select(., a:e)))：统计每行NA的数量
• 后续判断逻辑与方案1一致，向量化操作在处理大规模数据时性能更优

方案优势 #

• 代码简洁：无需为每个变量生成冗余版本，变量数量增加时只需调整目标变量范围（比如用select(., starts_with("var"))匹配批量变量）
• 逻辑清晰：直接基于已知值和NA数量推导边界和，可读性强
• 扩展性好：适配任意数量的二元变量，无需修改核心逻辑

内容的提问来源于stack exchange，提问作者hmje