R语言dplyr使用mutate按列名区间统计行NA值的实现方法

解决方案 #

你想要的按列名区间选择的需求可以直接通过dplyr内置的tidyselect选择语法实现，基础R的字符串不支持:区间运算，但tidyverse的列选择上下文可以直接识别未加引号的列名区间。

方案1：使用pick()函数（dplyr 1.0.0及以上版本推荐） #

pick()可以在mutate()/summarise()等函数内部按选择规则返回指定列的子数据框，和你之前用[,]取子集的逻辑完全一致，写法如下：

master_clean <- master_clean %>%
  mutate(
    nbNA_pt1 = rowSums(is.na(pick(Q1:Q12))),
    nbNA_pt2 = rowSums(is.na(pick(Q13:Q20))),
    nbNA_pt3 = rowSums(is.na(pick(Q21:Q90)))
  )

如果需要用字符串变量指定起止列名，可以搭配all_of()使用：

start_col <- "Q1"
end_col <- "Q12"
master_clean <- master_clean %>%
  mutate(nbNA_pt1 = rowSums(is.na(pick(all_of(start_col):all_of(end_col)))))

方案2：按列名规则匹配（不受列顺序影响） #

如果你要选择的列名是固定前缀加数字的格式，不需要按列的排列顺序选区间，可以用num_range()选择器，不管列怎么排序都会准确匹配对应名字的列：

master_clean <- master_clean %>%
  mutate(
    nbNA_pt1 = rowSums(is.na(pick(num_range("Q", 1:12)))),
    nbNA_pt2 = rowSums(is.na(pick(num_range("Q", 13:20)))),
    nbNA_pt3 = rowSums(is.na(pick(num_range("Q", 21:90))))
  )

旧版本dplyr兼容写法 #

如果你的dplyr版本低于1.0.0没有pick()函数，可以用across()替代：

master_clean <- master_clean %>%
  mutate(
    nbNA_pt1 = rowSums(is.na(across(Q1:Q12))),
    nbNA_pt2 = rowSums(is.na(across(Q13:Q20))),
    nbNA_pt3 = rowSums(is.na(across(Q21:Q90)))
  )

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