Создать столбец со значениями на основе других столбцов в R

R разработан так, что каждый TRUE уже является 1, а каждый FALSE уже является 0. Итак, если вы хотите добавить, сколько TRUE в c(TRUE, FALSE, TRUE), вы можете просто суммировать это:

sum(c(TRUE, FALSE, TRUE))

Так что в большинстве случаев вам действительно не нужно ничего настраивать. Если вы действительно, очень хотели это сделать, as.numeric сделает свою работу:

as.numeric(c(TRUE, FALSE, TRUE)

Выгодно кодировать двоичные значения как логические. В вашем случае вы можете сделать это на лету, используя == как в

sum(c("YES", "NO", "YES", "YES", "NO") == "YES")

Если в ваших данных есть какие-либо NA, вам придется принять решение и, вероятно, вы захотите использовать аргумент sums na.rm.

sum(c("YES", "YES", NA, "NO", "NO", NA) == "YES", na.rm = TRUE)

Насколько я понимаю ваш вопрос, вы можете использовать rowSums вместо sum.

Думаю этого должно хватить...

library(tidyverse)

# creating dataframe
df = data.frame(col1 = sample(c("YES","NO"),10,replace = T),
                col2 = sample(c("YES","NO"),10,replace = T),
                col3 = sample(c("YES","NO"),10,replace = T),
                col4 = sample(c("YES","NO"),10,replace = T),
                col5 = sample(c("YES","NO"),10,replace = T))


apply(df,2,function(x) as.numeric(x == "YES")) %>% # converting YES/NO to binary
  as.data.frame() %>% # changing from matrix to dataframe
  mutate(sum = rowSums(across(where(is.numeric)), na.rm = T)) # creating sum


#>    col1 col2 col3 col4 col5 sum
#> 1     1    0    0    1    0   2
#> 2     1    0    1    1    1   4
#> 3     0    0    0    0    1   1
#> 4     1    1    0    1    0   3
#> 5     0    0    1    0    0   1
#> 6     0    0    0    0    1   1
#> 7     0    1    0    1    0   2
#> 8     1    0    1    0    0   2
#> 9     1    1    0    1    0   3
#> 10    1    1    1    0    0   3

Вы также можете использовать rowSums() непосредственно в операторе dplyr.

library(dplyr)

df %>% 
  mutate(x = rowSums(across(all_of(c("col1", "col2", "col3", "col4", "col5")), `==`, "YES")))

#      something col1 col2 col3 col4 col5 x
# 1  0.113703411   NO   NO  YES   NO   NO 1
# 2  0.622299405   NO   NO   NO  YES   NO 1
# 3  0.609274733   NO   NO  YES   NO   NO 1
# 4  0.623379442  YES   NO  YES   NO   NO 2
# 5  0.860915384   NO   NO  YES   NO  YES 2
# 6  0.640310605   NO   NO   NO  YES   NO 1
# 7  0.009495756   NO  YES  YES  YES  YES 4
# 8  0.232550506  YES   NO   NO  YES  YES 3
# 9  0.666083758   NO   NO   NO  YES   NO 1
# 10 0.514251141   NO   NO  YES   NO  YES 2

Вы также можете использовать помощники tidyselect в зависимости от того, как настроен ваш фрейм данных.

df %>% 
  mutate(x = rowSums(across(starts_with("col"), `==`, "YES")))

df %>% 
  mutate(x = rowSums(across(col1:col5, `==`, "YES")))

По поводу использования na.rm = TRUE. Я бы не стал этого делать. То, как обращаться с АН, требует более тщательного обдумывания. Не следует просто предполагать, что NA равно «НЕТ», не зная лучше вашей проблемы. Если это «НЕТ», то вместо этого я бы заменил это значение на каком-то этапе рабочего процесса.

Данные:

set.seed(1234)

df <- data.frame(something = runif (10),
                 col1 = sample(c("YES","NO"),10,replace = T),
                 col2 = sample(c("YES","NO"),10,replace = T),
                 col3 = sample(c("YES","NO"),10,replace = T),
                 col4 = sample(c("YES","NO"),10,replace = T),
                 col5 = sample(c("YES","NO"),10,replace = T))