如何在DataFrame全列使用across函数？及rowSums相关问题求解

1. 遍历所有列统计TRUE次数 #

要让across遍历所有列，直接使用across(everything())即可，无需复杂语法。结合rowSums的正确写法如下：

dplyr管道版 #

# 通用写法（兼容非逻辑列）
data_1 <- data_1 %>% 
  mutate(True_Count = rowSums(across(everything(), ~ .x %in% TRUE), na.rm = TRUE))

# 若所有列都是逻辑型，可简化为
data_1 <- data_1 %>% 
  mutate(True_Count = rowSums(across(everything()), na.rm = TRUE))

2. rowSums直接赋值无效的问题 #

你写的代码里存在变量名不匹配的错误：数据集是data_1，但代码里用了未定义的df，导致无法正确计算。修正后加上na.rm=TRUE避免NA干扰结果：

# 统计TRUE出现次数
data_1$True_Count <- rowSums(data_1 == TRUE, na.rm = TRUE)

# 统计字符串"banana"出现次数
data_1$True_Count <- rowSums(data_1 == "banana", na.rm = TRUE)

注意：统计字符串时要确保目标列是字符型，否则比较结果会全为FALSE。

3. 重复运行原代码计数错误的原因 #

第一次运行后，data_1新增了True_Count数值列。第二次运行时，across(-c(Community.name))会包含这个新增列，而R中数值1等价于TRUE（1 == TRUE返回TRUE），每次重复运行都会把上一次的统计结果也计入，导致计数累加变大。

解决方法二选一：

• 每次运行前删除已存在的True_Count列：

  if ("True_Count" %in% colnames(data_1)) data_1$True_Count <- NULL
  data_1 <- data_1 %>% mutate(True_Count = rowSums(across(-c(Community.name), `%in%`, TRUE), na.rm = TRUE))
  

• 在across中明确排除True_Count：

  data_1 <- data_1 %>% 
    mutate(True_Count = rowSums(across(-c(Community.name, True_Count), `%in%`, TRUE), na.rm = TRUE))
  

内容的提问来源于stack exchange，提问作者plast1cd0nk3y