如何统计R数据框中每行含有效文本值的列数？

原始数据框（修正缺失值格式） #

注：原始代码中的"NA"为字符串，根据说明实际应为缺失值，因此修正后的正确数据框定义如下：

df <- data.frame(
  id = c(1,2,3),
  text_en_1 = c("Google", "Yahoo", "Amazon"),
  text_en_2 = c("Amazon", "Yahoo", NA),
  text_en_3 = c("Ieekkj", NA, NA),
  stringsAsFactors = FALSE
)

需求说明 #

基于id列，统计每行中除id外的列里包含有效值（非缺失值）的数量，最终得到包含id和number_of_columns_with_text列的结果数据框，期望输出：

data.frame(id = c(1,2,3), number_of_columns_with_text = c(3,2,1))

解决方案 #

方法一：基础R实现

利用rowSums()函数直接统计每行非缺失值的数量：

# 计算每行非id列的有效值数量
df$number_of_columns_with_text <- rowSums(!is.na(df[, -1]))

# 筛选出目标列
result <- df[, c("id", "number_of_columns_with_text")]
print(result)

方法二：dplyr包实现

如果使用tidyverse生态，可通过dplyr实现更简洁的代码：

library(dplyr)

result <- df %>%
  # 统计所有以text_en开头的列的非缺失值数量
  mutate(number_of_columns_with_text = rowSums(!is.na(select(., starts_with("text_en"))))) %>%
  # 保留需要的列
  select(id, number_of_columns_with_text)

print(result)

输出结果 #

运行上述任意一种方法，都会得到如下结果：

id number_of_columns_with_text
1  1                           3
2  2                           2
3  3                           1

内容的提问来源于stack exchange，提问作者Erik Brole