如何在R中统计数据集中每个ID对应变量的"Yes"数量

嘿，这事儿简单得很，给你两种常用的R实现方法，你看哪种顺手就用哪种：

第一步：先构造你的示例数据集 #

先把你给出的数据转换成R里可操作的data.frame：

df <- data.frame(
  ID = 1:7,
  Var1 = c("Yes", "No", "Yes", "No", "No", "No", "Yes"),
  Var2 = c("No", "No", "Yes", "No", "Yes", "No", "Yes"),
  Var3 = c("Yes", "No", "Yes", "No", "Yes", "Yes", "No"),
  Var4 = c("No", "No", "Yes", "No", "No", "No", "No"),
  Var5 = c("No", "No", "No", "No", "No", "No", "No"),
  Var6 = c("Yes", "No", "Yes", "No", "Yes", "Yes", "No"),
  stringsAsFactors = FALSE # 避免自动转成因子，方便后续比较
)

方法一：基础R原生方法（无需额外包） #

用rowSums函数直接统计每行中等于"Yes"的元素个数，简单高效：

# 选中Var1到Var6的列，判断是否为"Yes"，再对每行求和
df$Count <- rowSums(df[, paste0("Var", 1:6)] == "Yes")

解释：paste0("Var", 1:6)自动生成Var1到Var6的列名，选中这些列后和"Yes"比较会得到一个布尔矩阵，rowSums会对每行的TRUE（即"Yes"）计数求和。

方法二：tidyverse/dplyr方法（代码更直观） #

如果你平时习惯用tidyverse系列工具，可以用dplyr的函数来实现：

# 先加载dplyr包
library(dplyr)

# 方法2.1：用rowwise + c_across逐行计算
df <- df %>%
  rowwise() %>%
  mutate(Count = sum(c_across(Var1:Var6) == "Yes")) %>%
  ungroup() # 记得取消逐行模式，避免后续操作变慢

# 方法2.2：更高效的rowSums + across版本（适合大数据集）
df <- df %>%
  mutate(Count = rowSums(across(Var1:Var6) == "Yes"))

最终结果 #

运行任意一种方法后，你的数据集会新增Count列，结果如下：

print(df)
#   ID Var1 Var2 Var3 Var4 Var5 Var6 Count
# 1  1  Yes   No  Yes   No   No  Yes     3
# 2  2   No   No   No   No   No   No     0
# 3  3  Yes  Yes  Yes  Yes   No  Yes     5
# 4  4   No   No   No   No   No   No     0
# 5  5   No  Yes  Yes   No   No  Yes     3
# 6  6   No   No  Yes   No   No  Yes     2
# 7  7  Yes  Yes   No   No   No   No     2

内容的提问来源于stack exchange，提问作者Marcus