dplyr中pick()与c_across()在行缺失值统计中的差异及相关问题

嘿，我来帮你逐个拆解这几个关于dplyr工具的问题，保证说得明明白白！

1. pick() 和 c_across() 到底有啥不一样？ #

简单来说，这俩函数在rowwise()环境下的返回类型完全不同：

• pick() 返回的是迷你tibble（数据框）：每行对应一个只包含当前行目标列的小数据框，完全保留原列的类型，哪怕各列类型不一样也能正常处理。
• c_across() 返回的是原子向量：它会把当前行目标列的值合并成一个单一向量，这就要求这些列的类型能被兼容转换（比如数值和字符会被统一转成字符型），如果类型差异太大，很容易触发意外行为。

2. 怎么让第二个代码块正常工作？ #

你的第二个代码块出问题的核心原因是：c_across() 试图把字符型的a_letter和数值型的a_number合并成一个向量，虽然类型转换能完成，但有时候会因为类型兼容问题导致sum(is.na(...))无法正确计算（比如旧版dplyr里可能返回列表而非向量）。

给你两个实用的修复方案：

方案一：手动遍历判断缺失值 #

不管列类型如何，都能准确统计缺失值：

tibble(
  a_letter=sample(c(NA,"a","b"),size = 10,replace = T),
  a_number=sample(c(NA,1,2),size = 10,replace = T),
  hi="world"
) |> 
  rowwise() |> 
  mutate(empty_measurements = c_across(matches("a_")) %>% lapply(is.na) %>% unlist() %>% sum())

方案二：跳出rowwise，用更高效的写法 #

其实统计每行缺失值根本不需要rowwise()，直接用rowSums结合select更简洁高效：

tibble(
  a_letter=sample(c(NA,"a","b"),size = 10,replace = T),
  a_number=sample(c(NA,1,2),size = 10,replace = T),
  hi="world"
) |> 
  mutate(empty_measurements = rowSums(is.na(select(matches("a_")))))

3. 为啥有人会觉得pick()是个坏选择？其实它在这里反而更靠谱！ #

你说反啦！在这个统计跨列缺失值的场景里，pick()才是更安全的选择，根本不是坏选择：

• 它保留了原数据的列结构，不需要做任何类型转换，is.na(pick(...))会逐个判断每个列的缺失值，sum()在rowwise()环境下会自动把当前行的所有布尔值加总，完美统计缺失数量。
• 而c_across()反而受限于向量的类型统一性，当列类型多样时，要么被迫做类型转换（可能隐藏风险），要么在旧版本里直接报错。

所以你的直觉其实没问题，但这里pick()的表现比c_across()更适配这个需求哦！

备注：内容来源于stack exchange，提问作者Aegis