如何在tidyverse中通过映射高效统计mtcars多列达标行数？

方法1：使用dplyr的across（推荐，更简洁） #

这种方法利用dplyr的批量处理函数across，无需额外循环或map，直接在管道中完成所有变量的统计：

library(tidyverse)

# 获取第6行（Valiant）作为参考值
reference <- mtcars %>% slice(6)

# 生成包含所有变量计数的宽格式tibble
result <- mtcars %>%
  summarise(
    across(
      everything(),  # 处理所有变量
      ~ sum(.x > reference[[cur_column()]])  # 统计当前变量大于对应参考值的行数
    )
  )

result

方法2：使用purrr的map_dfc #

如果你更倾向于用map系列函数实现，可通过map_dfc批量处理每个变量并按列合并结果：

library(tidyverse)

reference <- mtcars %>% slice(6)

# 获取所有变量名称
var_names <- names(mtcars)

# 批量处理每个变量，合并为tibble
counts_tibble <- map_dfc(var_names, function(var) {
  mtcars %>%
    filter(.data[[var]] > reference[[var]]) %>%
    count() %>%
    pull() %>%
    set_names(var)
})

counts_tibble

说明 #

• 两种方法都能自动处理所有变量，无需为每个变量重复编写筛选、计数代码，适合处理上百个变量的场景。
• reference[[cur_column()]]和.data[[var]]都是为了实现动态变量引用，确保每个变量匹配对应行的参考值。

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