如何在R语言中使用rowSums创建变量统计指定列的Yes出现次数

需求：统计数据框中a1、a2、a3、a4四个变量每行里"Yes"的出现次数，以下是对现有代码的验证和优化建议：

原代码展示 #

library(dplyr)

set.seed(2022)
mydata <- tibble::tibble(
  "id" = 1:100,
  "a1" = sample(c(rep("Yes", 40), rep_len(NA, 100)), 100),
  "a2" = sample(c(rep("Yes", 50), rep_len(NA, 100)), 100),
  "a3" = sample(c(rep("Yes", 40), rep_len(NA, 100)), 100),
  "a4" = sample(c(rep("Yes", 50), rep_len(NA, 100)), 100),
  "b2" = rnorm(100, 50, 10)
)

# 目标：统计a*变量中"Yes"的出现次数
anymatch <- function(vars){
  rowSums(select(cur_data(), all_of(vars))=="Yes")
}

avars <- paste0("a", 1:4)

mydata %>% 
  mutate(afin = anymatch(avars)) %>% 
  select(avars, afin)

代码验证与问题点 #

原代码的核心逻辑是成立的：通过select(cur_data(), all_of(vars))筛选目标变量，用== "Yes"生成逻辑矩阵（TRUE对应"Yes"，FALSE对应非"Yes"，NA保留），再用rowSums求和得到每行"Yes"的数量。

但存在一个关键问题：当行内存在NA时，rowSums默认会返回NA，因为逻辑矩阵中的NA会导致求和结果无法计算，最终统计出的afin列会出现大量缺失值，无法得到准确的计数结果。

优化方案 #

只需在rowSums中添加na.rm = TRUE参数，忽略NA的影响（将NA视为非"Yes"，不纳入计数）：

anymatch <- function(vars){
  rowSums(select(cur_data(), all_of(vars)) == "Yes", na.rm = TRUE)
}

优化后再运行代码，afin列会正确显示每行中"Yes"的出现次数，不会再出现NA值。

补充说明 #

如果你的需求是判断每行是否存在至少一个"Yes"（而非统计次数），可以修改函数为：

anymatch <- function(vars){
  rowSums(select(cur_data(), all_of(vars)) == "Yes", na.rm = TRUE) > 0
}

此时afin会返回逻辑值TRUE/FALSE，标记该行是否包含"Yes"。

内容的提问来源于stack exchange，提问作者Moses