如何统计R Studio数据集中v1至v6列缺失值≥3的受访者数量

假设你存储数据的对象名为df，以下提供两种常用实现方案：

基础R实现 #

直接通过行求和统计缺失数后计数，代码如下：

# 计算符合条件的总人数
sum(rowSums(is.na(df[, paste0("v", 1:6)])) >= 3)

逻辑说明：

• is.na(df[, paste0("v", 1:6)])：先筛选v1到v6列，判断每个单元格是否为缺失值，返回逻辑矩阵
• rowSums(...)：按行对逻辑矩阵求和，得到每一行受访者在6个变量上的缺失总个数
• >=3：筛选出缺失数≥3的行，返回逻辑向量
• sum(...)：统计逻辑向量中TRUE的数量，即符合要求的受访者总人数

tidyverse 实现 #

如果你习惯使用dplyr的管道语法，可以用如下代码：

library(dplyr)

df %>%
  rowwise() %>% # 按行处理
  mutate(na_count = sum(is.na(c_across(v1:v6)))) %>% # 统计每行v1到v6的缺失数
  ungroup() %>%
  filter(na_count >= 3) %>% # 筛选缺失数≥3的行
  nrow() # 统计行数即总人数

注意：如果你的数据集里缺失值不是用R默认的NA表示，而是用特殊编码（比如-9、空字符串""等），需要先将这些特殊值替换为NA再运行上述代码，替换示例：df[df == 你的缺失编码] <- NA

内容的提问来源于stack exchange，提问作者Kexin Ni