如何用dplyr按组统计各列的NA值总数

首先确保你已经安装并加载了dplyr包：

install.packages("dplyr")
library(dplyr)

使用以下代码可以按id分组，统计每个分组下x1和x2列的NA值总数：

# 构造数据框
id <- rep(c("a", "b", "c"), 3)
x1 <- c(1, NA, NA, 2, 2, NA, 0, NA, 0)
x2 <- c(1, 2, 3, NA, 12, NA, NA, 4, NA)
df <- cbind.data.frame(id, x1, x2)

# 分组统计NA数量
result <- df %>%
  group_by(id) %>%
  summarise(across(c(x1, x2), ~sum(is.na(.x)), .names = "{col}"))

# 查看结果
print(result)

代码解释 #

• group_by(id)：按id字段对数据框进行分组
• summarise(across(...))：对指定列执行统计操作：
  • c(x1, x2)：指定需要统计的数值列
  • ~sum(is.na(.x))：对每一列计算NA值的总数（is.na()将NA转为逻辑值TRUE，sum()统计TRUE的数量即NA的个数）
  • .names = "{col}"：保持结果列名与原列名一致

执行后得到的结果数据框包含3行（对应id=a、b、c）和2列（x1、x2），存储每个分组对应列的NA值总和，示例输出如下：

# A tibble: 3 × 3
  id       x1    x2
  <chr> <int> <int>
1 a         1     1
2 b         2     0
3 c         1     2

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