我怀疑你可能有更好的方法可以用这里的数据来实现你的最终目标，但没有进一步的信息，我只能对你的帖子提供一个字面上的答案。这一大块解决了你问题的第一部分：

require(tidyverse) 

df %>% 
    rowwise() %>% 
    mutate(ID_distinct = n_distinct(c_across(`ID 1`:`ID 2`), na.rm = TRUE),
           S_distinct = n_distinct(c_across(S1:S2), na.rm = TRUE)) %>% 
    relocate(ID_distinct, .after = `ID 2`)

# A tibble: 9 × 8
# Rowwise: 
  city  name  `ID 1` `ID 2` ID_distinct    S1    S2 S_distinct
  <chr> <chr>  <dbl>  <dbl>       <int> <dbl> <dbl>      <int>
1 del   xab      653     NA           1   213   176          2
2 mum   Lan       NA    610           1   233    NA          1
3 nav   mun      240     NA           1    NA    NA          0
4 pun   mmc       NA    240           1    NA   100          1
5 bang  aaf      826    551           2   333   124          2
6 chen  nnhu      NA    854           1   543   621          2
7 triv  njam      NA     NA           0   122    NA          1
8 vish  jiha     440    490           2    NA   434          1
9 del   ntha     385    653           2   765   323          2

这个程序块解决了第二部分：

stack(df[3:4]) %>% 
    bind_cols(
        stack(df[5:6])
    ) %>%
    rename(ID1 = `values...1`, S1 = `values...3`) %>%
    select(-c(`ind...2`, `ind...4`)) %>%
    as_tibble()


New names:
* values -> values...1
* ind -> ind...2
* values -> values...3
* ind -> ind...4
# A tibble: 18 × 2
     ID1    S1
   <dbl> <dbl>
 1   653   213
 2    NA   233
 3   240    NA
 4    NA    NA
 5   826   333
 6    NA   543
 7    NA   122
 8   440    NA
 9   385   765
10    NA   176
11   610    NA
12    NA    NA
13   240   100
14   551   124
15   854   621
16    NA    NA
17   490   434
18   653   323

如果你能提供更多关于你希望用你的数据实现什么的背景，我（或其他人）可能会提供更好的指导。