使用 mutate 和 sum with NA 值的特定列的总和答案

【问题标题】：Sum of specific columns using mutate and sum with NA values使用 mutate 和 sum with NA 值的特定列的总和
【发布时间】：2022-01-15 06:43:36
【问题描述】：

我有以下数据框Data：

a	b	c
1	1	2
2	NA	4
NA	3	NA
NA	NA	NA

我想使用dplyrs mutate 函数和sum 计算列 a 到 c 的总和以获得以下结果：

a	b	c	d
1	1	2	5
2	NA	4	6
NA	3	NA	3
NA	NA	NA	NA

重要的是 NA 基本上被视为 0，除非它们都是 NA，然后它会将总和返回为 NA。

我想我可以做到：

Data<-Data %>%
mutate(d=sum(a,b,c,na.rm=TRUE))

问题是我不想列出所有变量ab 和c，而是想利用: 功能，以便我可以列出像这样a:c 的变量。

我想写这样的代码：

Data<-Data %>%
mutate(d=sum(a:c,na.rm=TRUE))

但这不起作用。我不知道我是否应该在 a 和 c 周围加上引号？

我发誓我之前已经完成了这一百万次，但是我找不到以前使用过的代码，并且由于某种原因我今天的大脑冻结了。

【问题讨论】：

标签： r dplyr

【解决方案1】：

保持简单：

 df %>% 
    mutate(
        d = rowSums(across(everything()), na.rm =T),
        d = na_if(d, 0)
    )
# A tibble: 4 x 4
      a     b     c     d
  <int> <int> <int> <dbl>
1     1     1     2     4
2     2    NA     4     6
3    NA     3    NA     3
4    NA    NA    NA    NA

【讨论】：

澄清一下，您也可以在across() 中使用:，因此对于OP 更准确的解决方案是d = rowSums(across(a:c), na.rm =T)
我的意思是，你可以在内部使用任何 tidyselect 动词。我只是觉得 tidyselect 的范围在这里有点跑题了。

【解决方案2】：

您可以更改任何 tidyverse 选择器的所有内容，例如 match 或 starts_with

library(tidyverse)

df_example <- tibble::tribble(
  ~a, ~b, ~c,
  1L, 1L, 2L,
  2L, NA, 4L,
  NA, 3L, NA,
  NA, NA, NA
  )

df_example |> 
  rowwise() |> 
  mutate(d = c_across(everything()) |> sum(na.rm = TRUE)) |> 
  ungroup()
#> # A tibble: 4 x 4
#>       a     b     c     d
#>   <int> <int> <int> <int>
#> 1     1     1     2     4
#> 2     2    NA     4     6
#> 3    NA     3    NA     3
#> 4    NA    NA    NA     0

^{由reprex package (v2.0.1) 于 2021 年 12 月 10 日创建}

一个不太通用的解决方案是使用 rowwise 函数，如 rowSums

library(tidyverse)

df_example <- tibble::tribble(
  ~a, ~b, ~c,
  1L, 1L, 2L,
  2L, NA, 4L,
  NA, 3L, NA,
  NA, NA, NA
  )

df_example |> 
  mutate(d = across(everything()) |> rowSums(na.rm = TRUE))
#> # A tibble: 4 x 4
#>       a     b     c     d
#>   <int> <int> <int> <dbl>
#> 1     1     1     2     4
#> 2     2    NA     4     6
#> 3    NA     3    NA     3
#> 4    NA    NA    NA     0

^{由reprex package (v2.0.1) 于 2021-12-10 创建}

【讨论】：

【解决方案3】：

像这样：

df  %>%
  rowwise() %>%
  mutate(d=sum(across(a:c),na.rm=TRUE)) %>%
  ungroup()

rowSums 也是一个选项

【讨论】：