R语言如何用列名替代方括号位置索引统计行内特定值频次

不需要依赖列位置索引，只要调整列选取的写法，就能实现和原有代码完全一致的统计效果，同时避免列结构变动带来的结果偏差。

基础R原生方案（无需加载第三方包） #

你之前用df[, 1:3]是按位置取列，只要把方括号内的位置索引替换为列名组成的字符向量，去掉逗号即可，原有rowSums+table的逻辑完全不需要改动：

# 构造测试数据
df <- data.frame(
  x1 = letters[1:5], 
  x2 = letters[c(1,3,3,1,1)], 
  x3 = letters[c(2,3,3,2,3)]
)

# 指定要统计的目标列名，后续列顺序调整、增减其他列都不会影响统计范围
target_cols <- c("x1", "x2", "x3")
table(rowSums(df[target_cols] == "c"))

运行后输出和你原有结果完全一致：

0 1 2 3 
2 1 1 1 

Tidyverse/dplyr方案（适配你尝试过的select类函数） #

如果习惯用dplyr的语法，注意pull()只适用于提取单列，多列场景用select()选列后直接做逻辑判断即可，不要误用filter()（filter是按条件筛行，不是选列）：

library(dplyr)

# 写法1：兼容原有rowSums逻辑
df %>% 
  select(x1, x2, x3) %>% 
  `==`("c") %>% 
  rowSums() %>% 
  table()

# 写法2：行运算语法，可读性更强
df %>% 
  rowwise() %>% 
  summarise(c_count = sum(c_across(c(x1, x2, x3)) == "c")) %>% 
  count(c_count)

两种写法输出结果和原生方案完全一致。

之前尝试失败的常见原因 #

• 误用pull()：该函数只能提取单列生成向量，无法处理多列选取的场景
• 误用filter()：该函数作用是按行条件筛选观测，不是用来选取列
• 误用%in%：该运算符是做向量级的整体值匹配，逐元素判断单元格是否等于目标值要使用==

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