R语言统计指定列含NA的行数并保留计数为0的分组方法

• 你最初的写法用filter_at提前把「Var2/Var3/Var4完全无NA」的行全筛掉了，后续分组计数时，像AL03这种所有行都被筛走的分组，自然不会出现在结果里。
• any_vars()是旧版tidyverse作用域函数（*_at/*_all系列）专用的谓词函数，只能作为这类函数的内部参数使用，不能直接写在summarise的自定义计算逻辑里，所以会触发quosure类型的报错。

当前tidyverse推荐用across()+if_any()替代旧的*_at+any_vars写法，不需要提前筛行，分组后直接逐行判断再求和即可，会自动保留计数为0的分组：

library(tidyverse)

df %>% 
  group_by(ID) %>% 
  summarise(
    n = sum(if_any(c(Var2, Var3, Var4), is.na))
  )

运行后输出结果完全匹配你的预期：

# A tibble: 3 × 2
  ID        n
  <chr> <int>
1 AL01      2
2 AL02      1
3 AL03      0

代码逻辑说明 #

• if_any(c(Var2, Var3, Var4), is.na)逐行做判断：只要指定的三列里任意一列为NA，就返回TRUE，否则返回FALSE，完全覆盖之前any_vars(is.na(.))的判断逻辑。
• sum()直接对每个组内的逻辑结果计数：TRUE等价于1，FALSE等价于0，就算组内没有任何符合条件的行，求和结果也会是0，不会丢失分组。

如果你用的是1.0.0之前的旧版tidyverse，没有if_any函数，可以用兼容写法：

df %>% 
  group_by(ID) %>% 
  summarise(
    n = sum(rowSums(is.na(across(c(Var2, Var3, Var4)))) > 0)
  )

逻辑和上面完全一致：先提取选定列的NA状态，逐行统计NA个数，只要NA数大于0就判定为存在缺失，再分组求和。

内容的提问来源于stack exchange，提问作者lmar_nz