在R语言中按条件筛选评分列行和为指定值的行

背景 #

有如下R语言数据框df，记录了不同任务的三位评分人员的质量合格评分（1=合格，0=不合格）：

df <- data.frame(task = c("a","b","c", "d","e"),
                 rater_1 = c(1,0,1,0,0),
                 rater_2 = c(1,0,1,1,1),
                 rater_3 = c(1,0,0,0,0),
                 stringsAsFactors=FALSE)

> df
  task rater_1 rater_2 rater_3
1    a       1       1       1
2    b       0       0       0
3    c       1       1       0
4    d       0       1       0
5    e       0       1       0

需求 #

筛选出恰好有n位评分人员打1的行，比如n=2时，期望得到仅包含任务c的子集：

task rater_1 rater_2 rater_3
3    c       1       1       0

原方法问题 #

使用dplyr::filter时直接用sum(rater_1, rater_2, rater_3) == 2会返回空数据框，原因是**sum()在这里是对三列所有元素整体求和**，不是按行计算每行的和。比如这里三列的总和是7，7不等于2，所以没有符合条件的行被筛选出来。

正确解法 #

方法1：用rowSums()直接计算行和 #

最简洁的方式，先选中所有评分列，再计算每行的和：

library(dplyr)

df %>%
  filter(rowSums(select(., starts_with("rater_"))) == 2)

方法2：用rowwise()实现行级计算 #

通过rowwise()让sum()按行执行，计算每行三个评分列的和：

df %>%
  rowwise() %>%
  filter(sum(rater_1, rater_2, rater_3) == 2) %>%
  ungroup() # 记得取消行分组，避免后续操作受影响

方法3：用c_across()指定列范围 #

如果评分列是连续的，可以用c_across()快速选中列，配合rowwise()：

df %>%
  rowwise() %>%
  filter(sum(c_across(rater_1:rater_3)) == 2) %>%
  ungroup()

以上三种方法都能得到预期结果：

# 输出
  task rater_1 rater_2 rater_3
1    c       1       1       0

内容的提问来源于stack exchange，提问作者logjammin