编写函数统计多列分组中特定值的出现次数（R语言）

嘿，我来帮你搞定这个问题！你说的是手里有个包含多组调查题目的dataframe，想给每组统计每行里符合特定值的列数，但自己写的函数跑出了重复值列表还粘到原数据里了对吧？我猜大概率是你处理分组或者结果赋值的时候没控制好维度，导致重复输出了。下面给你两种靠谱的实现方式，还有踩坑的原因分析：

方式1：用dplyr快速实现（适合用tidyverse的朋友） #

先补全你的示例数据（加了一列q0010的题，让分组更明显），假设你的分组是按列名前缀来的（比如q1/q2/q3是一组，q0010开头的是另一组），想要统计的特定值比如是3，代码可以这么写：

library(dplyr)

# 补全后的示例数据
df <- structure(
  list(
    RespondentID = c(6764279930, 6779986023, 6760279439, 6759243066),
    q1 = c(3L, 3L, 4L, 1L),
    q2 = c(2L, 2L, 4L, 4L),
    q3 = c(4L, 2L, 4L, 5L),
    q0010_0004 = c(1L, 2L, 3L, 1L),
    q0010_0005 = c(3L, 1L, 2L, 3L)
  ),
  .Names = c("RespondentID", "q1", "q2", "q3", "q0010_0004", "q0010_0005"),
  class = "data.frame"
)

# 先定义你要找的特定值
target_value <- 3

# 按组统计并新增列到原数据
df_result <- df %>%
  mutate(
    # 统计q1/q2/q3这组里等于target_value的列数
    count_q_main = rowSums(across(starts_with("q") & !starts_with("q0010"), ~ .x == target_value)),
    # 统计q0010开头的组里等于target_value的列数
    count_q0010 = rowSums(across(starts_with("q0010"), ~ .x == target_value))
  )

print(df_result)

运行后会在原df后面新增两列，每一行对应各自组里等于3的列数，绝对不会出现重复值的问题。

方式2：基础R实现（不用额外装包） #

要是你习惯用基础R，不想加载tidyverse，用grep选列+apply统计也能搞定：

# 同样用补全后的示例数据
df <- structure(
  list(
    RespondentID = c(6764279930, 6779986023, 6760279439, 6759243066),
    q1 = c(3L, 3L, 4L, 1L),
    q2 = c(2L, 2L, 4L, 4L),
    q3 = c(4L, 2L, 4L, 5L),
    q0010_0004 = c(1L, 2L, 3L, 1L),
    q0010_0005 = c(3L, 1L, 2L, 3L)
  ),
  .Names = c("RespondentID", "q1", "q2", "q3", "q0010_0004", "q0010_0005"),
  class = "data.frame"
)

target_value <- 3

# 先找出每组对应的列索引
q_main_cols <- grep("^q[1-9]", names(df)) # 匹配q1/q2/q3，排除q0010开头的
q0010_cols <- grep("^q0010", names(df))

# 逐行统计每组里等于特定值的列数，直接赋值给新列
df$count_q_main <- apply(df[, q_main_cols], 1, function(x) sum(x == target_value))
df$count_q0010 <- apply(df[, q0010_cols], 1, function(x) sum(x == target_value))

print(df)

为啥你的原函数会出重复值？ #

我猜你大概率是犯了这个常见错误：把统计结果放进了列表里，然后绑定到df里，比如错误写法是这样的：

# 错误示例：把结果存成列表，导致每个单元格都是整个结果
df$count_group <- list(apply(df[, q_main_cols], 1, function(x) sum(x == target_value)))

这种写法会把整个统计向量塞进一个列表单元格里，看起来就是重复值。正确的做法是直接把向量赋值给新列，就像上面两种方式里那样，不要套列表！

内容的提问来源于stack exchange，提问作者Ben