R语言sum()无缺失值全数值数据行求和结果为0问题排查

你的代码有2个核心问题，直接导致求和结果异常：

• 你没有正确引用数据框中的列：传给sum()的是带双引号的列名字符串，不是列里存储的实际数值。注意：包含空格、方括号等特殊字符的列名，在tidyverse语法中需要用反引号（`）包裹引用，不能用双引号，双引号包裹的内容会被识别为普通文本字符串，而非列名。as.numeric()处理纯文本列名时，因为文本无法转换为合法数值，会返回NA，配合na.rm = TRUE参数移除所有NA后，求和结果自然为0。
• 管道执行的修改没有赋值回原对象：你用%>%执行逐行计算、新增列的操作后，没有将结果重新赋值给df_structure，原始数据框并没有被修改，后续直接调用summary(df_structure$sum_emissions)本身就会因为找不到列报错。
• 补充说明：你给出的示例数据中仅包含4个排放相关列，和你描述的“5个变量求和”不符，实际使用时请补全所有需要计算的列即可。

写法1：保留原有的逐行计算逻辑 #

dplyr的rowwise()模式下，需要用c_across()批量选取行内的列值：

library(dplyr)

df_structure <- df_structure %>%
  rowwise() %>% 
  mutate(
    sum_emissions = sum(
      c_across(c(
        `Particeles_PM10_[kg]_WTW_whole transport chain`,
        `SO2_[kg]_WTW_whole transport chain`,
        `NOX_[kg]_WTW_whole transport chain`,
        `NMHC_[kg]_WTW_whole transport chain`
      )),
      na.rm = TRUE
    )
  ) %>%
  ungroup() # 计算完成后解除行分组，避免后续操作异常

# 查看计算结果统计
summary(df_structure$sum_emissions)

写法2：更高效的向量化计算（推荐） #

逐行rowwise()运算效率较低，对于整行求和的场景，用向量化的rowSums()运算速度更快，还可以通过列名匹配规则自动选列，不用手动输入所有长列名：

library(dplyr)

df_structure <- df_structure %>%
  mutate(
    # 匹配所有后缀为WTW_whole transport chain的排放列自动纳入计算
    sum_emissions = rowSums(across(ends_with("WTW_whole transport chain")), na.rm = TRUE)
  )

summary(df_structure$sum_emissions)

运行以上代码后，就能得到正确的逐行总排放量结果，不会再出现全0的问题。

内容的提问来源于stack exchange，提问作者David Færgeman