在dplyr中测试列子集非NA值是否全部相等的实现方法

我来帮你解决这个问题！你需要判断每行中所有非NA的列值是否都相同，用dplyr实现的话，其实有几种简洁的方式，比直接用all函数更灵活，尤其是列数多的时候。

首先先确认你的数据框：

mydf <- data.frame(
  col1 = c("Red", "Red", "Blue", "Orange"),
  col2 = c("Red", "Blue", NA, "Red"),
  col3 = c("Red", "Red", "Blue", "Red"),
  col4 = c("Red", "Red", "Blue", "Blue")
)

方法一：用dplyr的rowwise + n_distinct（推荐，tidyverse风格） #

这个方法最简洁，而且容易扩展到更多列：

library(dplyr)

mydf <- mydf %>%
  rowwise() %>%
  # 对每行的col1到col4计算去重后的非NA值数量
  mutate(all_equal = n_distinct(c_across(col1:col4), na.rm = TRUE) == 1) %>%
  ungroup()

运行后得到的结果和你期望的完全一致：

# A tibble: 4 × 5
  col1   col2  col3  col4  all_equal
  <chr>  <chr> <chr> <chr> <lgl>    
1 Red    Red   Red   Red   TRUE     
2 Red    Blue  Red   Red   FALSE    
3 Blue   NA    Blue  Blue  TRUE     
4 Orange Red   Red   Blue  FALSE    

原理很简单：c_across(col1:col4)会提取每行的目标列值，n_distinct(..., na.rm=TRUE)会忽略NA，计算剩下的值有多少种不同的类别。如果结果是1，说明所有非NA值都相同，就标记为TRUE，否则为FALSE。

方法二：不用rowwise，用apply（适合大数据，效率更高） #

如果你处理的是大数据集，rowwise的效率可能稍低，这时候可以用基础R的apply逐行处理：

mydf$all_equal <- apply(mydf[, 1:4], 1, function(x) {
  # 去掉NA后，判断去重后的值数量是否为1
  length(unique(na.omit(x))) == 1
})

为什么直接用all函数效果不好？ #

你提到用all函数在dplyr链式里效果不佳，大概率是因为all默认是对整个向量做全局判断，而不是逐行返回结果。比如直接写all(col1 == col2, na.rm=TRUE)，会得到一个单一的逻辑值，而不是每行的判断结果。

如果非要用all，也可以在rowwise里实现，但需要手动写所有列的两两相等判断，列数多的时候会非常繁琐：

mydf %>%
  rowwise() %>%
  mutate(all_equal = all(col1 == col2, col2 == col3, col3 == col4, na.rm = TRUE)) %>%
  ungroup()

这个也能得到正确结果，但如果有10列，你就要写9个相等判断，显然不如n_distinct的方法简洁通用。

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