在R中统计所有规格列对的共同非NA行数

我有一个数据框df，结构如下：

ID  001-alpha   001-sigma   001-delta   001-gamma   002-alpha   002-beta    002-charlie 002-delta
12  1           2           3           3           2               NA          2               0
21  NA          1           3           NA          3               2           2               NA
24  1           2           NA          3           3               1           3               2
36  NA          2           3           4           2               2           NA              1
44  NA          1           2           3           1               2           1               2
57  0           NA          2           3           1               1           3               1

数据框说明：

• ID字段为唯一的产品ID；
• 以001-或002-开头的列代表产品的各项规格（注：实际dput输出中列名用.替代了-，处理时需注意）。

需求：统计每一对同前缀（001-或002-）的产品规格列中，同时包含非空（非NA）值的ID数量。
例如：

• 001-alpha和001-sigma两列，ID=12和ID=24均为非NA值，对应统计值为2；
• 001-alpha和001-delta两列，符合条件的ID为12和57，统计值为2。

期望输出格式：

001-alpha-sigma 001-alpha-delta 001-alpha-gamma 001-sigma-delta 001-sigma-gamma 001-delta-gamma 002-alpha-beta  002-alpha-charlie   002-alpha-delta 002-beta-charlie    002-beta-delta  002-charlie-delta
2               2               3               4               4               4               5               5                   5               4                   4               4

附dput(df)：

structure(list
(ID = structure(1:6, .Label = c("12", "21", "24", "36", "44", "57"), 
class = "factor"), 
`001.alpha` = c(1L, NA, 1L, NA, NA, 0L), 
`001.sigma` = c(2L, 1L, 2L, 2L, 1L, NA), 
`001.delta` = c(3L, 3L, NA, 3L, 2L, 2L), 
`001.gamma` = c(3L, NA, 3L, 4L, 3L, 3L), 
`002.alpha` = c(2L, 3L, 3L, 2L, 1L, 1L), 
`002.beta` = c(NA,2L, 1L, 2L, 2L, 1L), 
`002.charlie` = c(2L, 2L, 3L, NA, 1L,3L), 
`002.delta` = c(0L, NA, 2L, 1L, 2L, 1L)), 
row.names = c(NA, -6L), class = "data.frame")

可以通过分组列前缀、生成列对、逐对统计非NA交集数量的思路实现，具体步骤如下：

1. 加载所需包 #

library(dplyr)
library(tidyr)
library(purrr)
library(stringr)

2. 预处理数据：统一列名格式并拆分前缀 #

先把列名中的.替换回-，再拆分出前缀和规格名：

# 替换列名中的.为-，统一格式
colnames(df) <- str_replace(colnames(df), "\\.", "-")

# 提取所有规格列（排除ID列）
spec_cols <- colnames(df)[colnames(df) != "ID"]

# 拆分每个规格列的前缀（001/002）和具体规格名
spec_info <- str_split_fixed(spec_cols, "-", 2) %>%
  as.data.frame() %>%
  set_names(c("prefix", "spec")) %>%
  mutate(col = spec_cols)

3. 按前缀分组，生成列对并统计 #

对每个前缀组生成所有不重复的列对，计算每对列中同时非NA的行数：

# 按前缀分组处理
result_list <- spec_info %>%
  group_split(prefix) %>%
  map(function(group) {
    # 生成当前组内所有列的两两组合
    col_pairs <- combn(group$col, 2, simplify = FALSE)
    
    # 统计每对列的非NA交集行数
    map_dbl(col_pairs, function(pair) {
      df %>%
        filter(!is.na(!!sym(pair[1])) & !is.na(!!sym(pair[2]))) %>%
        nrow()
    }) %>%
      # 设置结果名称为"前缀-规格1-规格2"格式
      set_names(map_chr(col_pairs, ~str_c(.x, collapse = "-")))
  })

# 合并所有组的结果为单行数据框
final_result <- bind_cols(result_list)

4. 查看输出 #

运行后final_result的格式与期望一致：

print(final_result)
# 输出：
#   001-alpha-sigma 001-alpha-delta 001-alpha-gamma 001-sigma-delta 001-sigma-gamma 001-delta-gamma 002-alpha-beta 002-alpha-charlie 002-alpha-delta 002-beta-charlie 002-beta-delta 002-charlie-delta
# 1               2               2               3               4               4               4               5                   5               5                   4               4               4

补充说明 #

• 用group_split按前缀拆分列，确保只统计同前缀下的列对，避免跨组无效统计；
• combn生成不重复的两两组合，避免重复计算（如alpha-sigma和sigma-alpha只统计一次）；
• !!sym(pair[1])用于将字符串格式的列名转换为dplyr可识别的变量，实现动态列引用。

内容的提问来源于stack exchange，提问作者Sandy