使用dplyr统计含动态日期列DataFrame的每行NA值数量（适配dbplyr场景）

实现方案 #

1. 本地DataFrame计算（已从SQL Server拉取到本地） #

使用dplyr的mutate+across+rowSums组合即可实现，无需写死动态日期列名：

library(dplyr)

# 统计所有列的NA数量
repro_with_na <- repro %>%
  mutate(na_count = rowSums(is.na(across(everything()))))

# 如果仅需要统计日期列的NA数量，可通过正则匹配列名（适配YYYY-MM-DD格式的动态日期列）
repro_with_na <- repro %>%
  mutate(na_count = rowSums(is.na(across(matches("^\\d{4}-\\d{2}-\\d{2}$")))))

# 也可以通过排除非日期列的方式指定统计范围
repro_with_na <- repro %>%
  mutate(na_count = rowSums(is.na(across(-c(UPC_Sell_Unit_Desc, `Region Manager_desc`, Area_desc, Location_ID)))))

上述代码在你的示例数据中运行后，第5行的na_count结果为1，对应唯一的2021-05-11列的NA值，符合预期。

2. SQL端计算（未拉取本地，仍在dbplyr处理流程中） #

如果数据还未通过collect()拉取到本地，需要适配SQL语法，可使用如下写法让计算直接在SQL Server端运行：

repro_with_na <- repro %>%
  mutate(na_count = rowSums(across(matches("^\\d{4}-\\d{2}-\\d{2}$"), ~ifelse(is.na(.), 1, 0))))

逻辑说明 #

• is.na()会将值为NA的位置转为TRUE（数值计算时等价于1），非NA位置转为FALSE（数值计算时等价于0）
• across配合选择器可以灵活匹配动态变化的日期列，不需要手动硬编码列名
• rowSums按行对逻辑值求和，最终得到每行的NA数量

内容的提问来源于stack exchange，提问作者Jeremy R. Johnson