使用dplyr将多列不同字符串替换为1并新增计数列的实现方法

以下代码基于dplyr 1.0.0及以上版本，可直接运行测试： #

前置准备 #

先加载依赖包、构造示例数据：

# 加载包
library(dplyr)

# 构造示例测试数据
df <- tibble(
  id = c("01", "02", "03"),
  Disease1 = c("disease1", NA, "disease1"),
  Disease2 = c(NA, "disease2", "disease2"),
  Disease3 = c("disease3", NA, NA)
)

方案1：用starts_with()匹配列 #

适合列名有统一前缀的场景：

df_result <- df %>%
  # 第一步：匹配所有以Disease开头的列，非NA值替换为1，NA保留
  mutate(across(starts_with("Disease"), ~ifelse(!is.na(.), 1, NA))) %>%
  # 第二步：统计匹配列中1的总数，na.rm=TRUE跳过NA值避免结果为NA
  mutate(Total_diseases = rowSums(across(starts_with("Disease")), na.rm = TRUE))

方案2：按列索引范围匹配 #

适合需要指定固定列范围的场景，比如你需要的22到65列直接修改括号内的数字即可：

df_result <- df %>%
  # 示例匹配第2到第4列，对应你的需求可替换为22:65
  mutate(across(2:4, ~ifelse(!is.na(.), 1, NA))) %>%
  mutate(Total_diseases = rowSums(across(2:4), na.rm = TRUE))

低版本dplyr兼容写法 #

如果你的dplyr版本低于1.0.0，把across替换为mutate_at即可：

# 以starts_with匹配为例
df_result <- df %>%
  mutate_at(vars(starts_with("Disease")), ~ifelse(!is.na(.), 1, NA)) %>%
  mutate(Total_diseases = rowSums(select(., starts_with("Disease")), na.rm = TRUE))

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