如何用rowSums()统计每行非缺失且唯一的MRI扫描次数？

现有如下R语言数据框df，每行代表一名患者，各列记录其MRI扫描日期：

> df
   mr_daterd mr_daterd_fu1 mr_daterd_fu2
1 2018-03-05    2018-03-05          <NA>
2 2019-05-04          <NA>    2020-03-05
3 2020-01-03    2020-06-06    2021-04-02

需求为统计每行的MRI扫描次数，即统计每行非缺失值的数量，但需要排除重复日期的情况。原使用rowSums()的代码：

df_new <- df %>%
  mutate(
    n_mri = rowSums(!is.na(select(., contains('mr_daterd'))))
  )

该代码会将第一行的重复日期统计为2次，但实际应为1次。期望输出如下：

> df_new
   mr_daterd mr_daterd_fu1 mr_daterd_fu2 n_mri
1 2018-03-05    2018-03-05          <NA>     1
2 2019-05-04          <NA>    2020-03-05     2
3 2020-01-03    2020-06-06    2021-04-02     3

数据框结构定义：

df <- structure(list(mr_daterd = structure(c(17595, 18020, 18264), class = "Date"), 
    mr_daterd_fu1 = structure(c(17595, NA, 18419), class = "Date"), 
    mr_daterd_fu2 = structure(c(NA, 18326, 18719), class = "Date")), class = "data.frame", row.names = c(NA, 
-3L))

解决方案 #

方法1：使用dplyr的rowwise()结合n_distinct() #

可读性强，适配tidyverse工作流：

library(dplyr)

df_new <- df %>%
  rowwise() %>%
  mutate(
    n_mri = n_distinct(c_across(contains('mr_daterd')), na.rm = TRUE)
  ) %>%
  ungroup()

• rowwise()：指定按行处理数据
• c_across(contains('mr_daterd'))：提取所有含mr_daterd的列并合并为向量
• n_distinct(..., na.rm = TRUE)：计算向量中非缺失的唯一值数量

方法2：基础R的apply()实现 #

无需加载额外包，适合轻量场景：

df$n_mri <- apply(df[, grepl('mr_daterd', colnames(df))], 1, function(x) {
  length(unique(na.omit(x)))
})

• apply(..., 1)：按行执行自定义函数
• na.omit(x)：移除当前行的缺失值
• unique()+length()：统计去重后的有效日期数量

方法3：tidyr长格式转换统计 #

适合后续需扩展分析的复杂场景：

library(dplyr)
library(tidyr)

df_new <- df %>%
  mutate(id = row_number()) %>%
  pivot_longer(cols = contains('mr_daterd'), names_to = 'scan', values_to = 'date') %>%
  drop_na(date) %>%
  distinct(id, date) %>%
  count(id, name = 'n_mri') %>%
  right_join(df, by = 'id') %>%
  select(-id) %>%
  relocate(n_mri, .after = last_col())

内容的提问来源于stack exchange，提问作者cmirian