按组统计观测数及多列零值/NA值的高效实现方法

不用拆分数据框再合并，直接在summarise里一次性搞定所有统计需求：

library(dplyr)

mtcars %>%
  group_by(cyl) %>%
  summarise(
    # 每组总观测数
    total_obs = n(),
    # 统计指定列的零值数量，按需修改列列表
    across(c(mpg, disp, hp), ~sum(.x == 0, na.rm = TRUE), .names = "{col}_zero_count"),
    # 统计指定列的NA值数量
    across(c(mpg, disp, hp), ~sum(is.na(.x)), .names = "{col}_na_count")
  )

关键说明 #

• n()：这是dplyr分组统计总数的标准操作，直接返回每组的真实总观测数，不会像你原代码那样出现非零值的错误。
• across()：替代旧版的summarise_each，可以批量处理多列，.names参数能自动生成清晰的列名，比如mpg_zero_count、mpg_na_count。
• 如果要统计所有数值列，把c(mpg, disp, hp)换成where(is.numeric)就行，不用手动列每一列。
• 统计零值时的na.rm = TRUE是为了忽略NA，避免NA影响统计结果；如果想把NA也算作零值，删掉这个参数即可。

原代码问题点 #

你原代码里的summarise_each(funs(sum(0)))完全不对，会输出全0的列；而且用mutate加count再summarise的方式纯属冗余，直接在summarise里用n()就能拿到正确的每组总数。

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