En primer lugar, no sé si tu ejemplo es representativo, es rara la forma que lo defines:
bd <- data.frame(a=c(3,5,"","",1),b=c("",3,"","",2),c=c(3,"","","",3),d=c(1,"","",5,4))
Básicamente por dos razones: (a) Al usar ""
para indicar ausencia de valor estás coercionando la columna para que sea una cadena y no un número y (b) la función data.frame()
tiene un comportamiento por defecto, para algunos cuestionable, que trata a las cadenas como factores.
Como necesitamos tratar todas las columnas como numéricas, debemos reconvertir los datos mediante:
bd <- apply(bd, MARGIN=2, FUN=function(x) {as.numeric(as.character(x))})
bd
a b c d
[1,] 3 NA 3 1
[2,] 5 3 NA NA
[3,] NA NA NA NA
[4,] NA NA NA 5
[5,] 1 2 3 4
Básicamente transformamos cada columna en una cadena (por que en realidad ya es un factor) y luego a un numérico. El resultado final es una matriz numérica, donde NA
es la ausencia de un valor. Todo esto se podría simplificar si el ejemplo se definiera así:
bd <- data.frame(a=c(3,5,NA,NA,1),b=c(NA,3,NA,NA,2),c=c(3,NA,NA,NA,3),d=c(1,NA,NA,5,4))
Ahora sí vamos a tu pregunta:
Una forma muy sencilla es verificar la suma acumulada por fila y entonces verificar la posición del primer valor que supere nuestro límite, por ejemplo:
cumsum(ifelse(is.na(bd[1, ]),0,bd[1, ]))
[1] 3 3 6 7 10
Con esto tenemos la suma acumulada de la fila 1, hay que tener precaución con los valores NA
, por lo que con el ifelse()
transformamos estos en 0 para poder completar el cumsum()
, y por último para saber que posición es la del primer valor que cumpla la condición podemos agregar el uso del which()
:
which(cumsum(ifelse(is.na(bd[1, ]),0,bd[1, ]))>=5)[1]
[1] 3
Para la primer fila, la columna 3 es la que cumple la condición. Ahora solo resta transformar todo en una función y aplicarla iterativamente sobre cada fila:
bd$N_V <- apply(bd, MARGIN=1, FUN=function(x) {which(cumsum(ifelse(is.na(x),0,x))>=5)[1]})
bd
a b c d N_V
1 3 NA 3 1 3
2 5 3 NA NA 1
3 NA NA NA NA NA
4 NA NA NA 5 4
5 1 2 3 4 3