如何在含NA的DataFrame中计算指定列累积和并新增列

现有一个包含NA值的DataFrame，需要对指定部分列计算累积和（将NA视为0处理），并将结果作为新列添加到原DataFrame中。示例数据及遇到的问题如下：

示例数据：

x = data.frame(X1 = c(NA, NA, 1,2,3),
               X2 = 1:5)

输出：

X1 X2
1 NA  1
2 NA  2
3  1  3
4  2  4
5  3  5

直接使用cumsum(x)时，含NA的列结果全为NA：

cumsum(x)

输出：

X1 X2
1 NA  1
2 NA  3
3 NA  6
4 NA 10
5 NA 15

尝试用ifelse处理整个DataFrame时报错：

cumsum(ifelse(is.na(x), 0, x))

错误信息：

Error: 'list' object cannot be coerced to type 'double'

单独处理一列可正常得到结果：

cumsum(ifelse(is.na(x$X1), 0, x$X1))

输出：

[1] 0 0 1 3 6

需求：无需循环逐个处理列，给定指定列名的向量，批量完成上述操作并为新列命名。

以下提供两种无需循环的批量处理方法：

方法一：Base R 实现 #

通过lapply批量处理指定列，将NA替换为0后计算累积和，再将结果作为新列合并到原DataFrame：

# 指定需要处理的列名
target_cols <- c("X1")

# 批量计算累积和，生成新列名
cumsum_cols <- lapply(x[target_cols], function(col) {
  cumsum(ifelse(is.na(col), 0, col))
})
names(cumsum_cols) <- paste0(target_cols, "_cumsum")

# 合并到原DataFrame
x <- cbind(x, cumsum_cols)

执行后查看结果：

x

输出：

X1 X2 X1_cumsum
1 NA  1         0
2 NA  2         0
3  1  3         1
4  2  4         3
5  3  5         6

方法二：tidyverse（dplyr）实现 #

使用dplyr的across函数可以更简洁地完成批量处理，同时直接生成命名后的新列：

首先确保已安装并加载dplyr：

# 安装（如果未安装）
# install.packages("dplyr")
library(dplyr)

执行处理：

target_cols <- c("X1")

x <- x %>%
  mutate(across(all_of(target_cols), 
                ~cumsum(ifelse(is.na(.), 0, .)), 
                .names = "{.col}_cumsum"))

执行后同样会得到包含新列的DataFrame，效果与Base R方法一致。

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