R语言数据框中用ifelse/case_when统计代码数量的问题

针对你需要统计每行Code1到Code4中非NA编码数量的需求，这里提供几种简单高效的实现方法，同时帮你分析之前代码的问题：

方法一：用rowSums快速实现（最推荐） #

这是最简洁的写法，利用!is.na()把非NA值转为逻辑值TRUE（对应数值1），NA转为FALSE（对应数值0），再用rowSums对每行求和，直接得到非NA的数量：

# 基础R写法
df$count <- rowSums(!is.na(df[, c("Code1", "Code2", "Code3", "Code4")]))

# dplyr管道写法
df <- df %>%
  mutate(count = rowSums(!is.na(across(c(Code1, Code2, Code3, Code4)))))

方法二：用dplyr行级操作实现 #

如果需要更灵活的行级计算，可以用rowwise()配合c_across()实现：

df <- df %>%
  rowwise() %>%
  mutate(count = sum(!is.na(c_across(Code1:Code4)))) %>%
  ungroup() # 记得取消行分组，避免影响后续的批量操作

你之前代码的问题分析 #

ifelse写法的问题 #

你分步用ifelse赋值的逻辑完全错误：每次赋值都会覆盖上一次的结果，而且只是单独判断某一个变量是否为NA，根本没有统计所有非NA变量的总数，自然无法得到正确结果。

case_when写法的问题 #

你的case_when有两个致命错误：

1. 最后一行xor(Code1,Code2)没有遵循条件 ~ 结果的双边公式格式，这是导致报错的直接原因。
2. 逻辑错误：case_when是按顺序匹配第一个满足的条件就返回结果，你的写法是只要Code1非NA就返回1，不管其他变量有没有值，这不是统计总数，而是判断单个变量是否存在，完全不符合需求。

内容的提问来源于stack exchange，提问作者Sammy