R数据框中如何根据另一列条件统计每行符合要求的列数

基础R向量化方案（无依赖、效率最高） #

你原有写法存在两个问题：一是apply遍历时会把后续新增的mn/md参考列也纳入判断范围导致结果错误，二是循环和apply遍历的性能很低。用全向量化操作可以完美解决，且不管参考列是均值、中位数还是其他任意预计算的列都通用：

# 第一步：提取需要判断的原始数值列，这里示例为前3列日期列，按需调整列范围/列名即可
val_cols <- data[, 1:3]

# 统计每行大于对应均值的列数
data$events <- rowSums(val_cols > data$mn)

# 如果参考列是中位数md，直接替换参考列即可
data$events_md <- rowSums(val_cols > data$md)

该方案利用R的矩阵广播机制和rowSums的原生向量化实现，比apply和for循环快几十到上百倍，尤其适合大行数场景，也不会出现你原写法中嵌套索引容易出错的问题。

tidyverse风格方案（可读性强、适配分析流） #

如果你日常用dplyr做数据处理，可以用rowwise+c_across的写法，代码可读性更高，适合中小数据集：

library(dplyr)

data <- data %>%
  rowwise() %>%
  mutate(
    # 计算该行的均值、中位数
    mn = mean(c_across(1:3)),
    md = median(c_across(1:3)),
    # 统计大于对应参考值的列数
    events = sum(c_across(1:3) > mn),
    events_md = sum(c_across(1:3) > md)
  ) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者nflore