R统计多列NA值时dplyr管道与base R结果不一致原因问询

错误原因 #

你的问题出在%>%管道运算符的传参逻辑使用错误：

• %>%默认会把前一步的输出结果，作为下一个函数的第一个位置参数传入
• 你写的dt %>% select(starts_with("V2QE38")) %>% colSums(is.na(.)) 实际执行逻辑等价于：

# 先提取子数据框
sub_df <- dt %>% select(starts_with("V2QE38"))
# 管道自动把sub_df传给colSums的第一个参数x，is.na(sub_df)被当成第二个参数na.rm传入
colSums(x = sub_df, na.rm = is.na(sub_df))

这完全不符合你想先对数据框做is.na()判断再求和的逻辑，自然会输出错误结果。

正确的dplyr管道写法 #

你可以选任意一种修正写法：

• 逐段传递处理结果：

dt %>% select(starts_with("V2QE38")) %>% is.na() %>% colSums()

• 用大括号包裹自定义计算逻辑，阻止管道默认传参：

dt %>% select(starts_with("V2QE38")) %>% {colSums(is.na(.))}

两种写法的输出都会和你用base R得到的正确结果一致。

内容的提问来源于stack exchange，提问作者YYM17