如何统计DataFrame每行中指定值的出现次数？

方法1：使用base R的rowSums（推荐，高效） #

这是最简洁且性能最优的方式，利用向量化操作直接计算每行中等于目标值的元素个数：

# 补全初始数据（原代码缺失id列定义）
id <- 1:6
X1 <- c(5,1,7,8,1,5)
X2 <- c(5,0,0,2,3,7)
X3 <- c(6,2,3,4,1,7)
X4 <- c(1,1,5,2,1,7)

df <- data.frame(id,X1,X2,X3,X4)

# 新增统计列，统计X1-X4列中值为1的次数
df$one_appears <- rowSums(df[, c("X1", "X2", "X3", "X4")] == 1)

执行后即可得到期望结果：

> df
  id X1 X2 X3 X4 one_appears
1  1  5  5  6  1           2
2  2  1  0  1  1           3
3  3  7  0  3  5           0
4  4  8  2  4  2           0
5  5  1  3  2  1           2
6  6  5  7  7  7           0

方法2：使用base R的apply函数 #

如果需要逐行处理逻辑，可以用apply逐行遍历指定列并统计：

# 排除id列（第1列），对剩余列逐行统计值为1的个数
df$one_appears <- apply(df[, -1], 1, function(row) sum(row == 1))

注：apply是逐行循环操作，当数据量较大时，性能不如rowSums。

方法3：使用dplyr包（tidyverse风格） #

如果你习惯使用tidyverse工具链，可用以下两种方式：

方式A：rowwise + c_across #

适合逐行处理复杂逻辑的场景：

library(dplyr)

df <- df %>%
  rowwise() %>%
  mutate(one_appears = sum(c_across(X1:X4) == 1)) %>%
  ungroup() # 取消逐行分组状态

方式B：mutate + rowSums（更高效） #

结合向量化操作，性能接近base R的rowSums：

library(dplyr)

df <- df %>%
  mutate(one_appears = rowSums(across(X1:X4) == 1))

内容的提问来源于stack exchange，提问作者user21027866