我认为，如果我们重新定义long，并明确表示月份有一个我们想要计算的内在顺序，这会更容易。然后，它可以是一个summarize，基于计数"N"出现在所需的月份之后，对于每个ID。

library(tidyverse)
df |>
  pivot_longer(-c(ID, month_num)) %>%
  mutate(month_no = as.numeric(factor(name, levels = month.abb))) %>%
  summarize(count = sum(value == "N" & month_no > month_num), .by = ID)
    
# A tibble: 3 × 2
  ID    count
  <chr> <int>
1 A         0
2 B         1
3 C         2

或者与原始数据合并：

df |> left_join(df %>%
  pivot_longer(-c(ID, month_num)) %>%
  mutate(month_no = as.numeric(factor(name, levels = month.abb))) %>%
  summarize(count = sum(value == "N" & month_no > month_num), .by = ID))

df$res <- rowSums(col(df[,2:13]) > df$month_num & df[,2:13] == "N")
df
#>   ID Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec month_num res
#> 1  A   N   N  x1  x1  x5  x3  x1  x1  x6  x1  x1  x7         3   0
#> 2  B  x1  x1  x5  x1  x1  x1  x7  x1   N  x2  x1  x1         5   1
#> 3  C   N  x1  x1  x1  x1   N   N  x1  x1  x1  x1  x1         2   2

首先，每当单元格值为“N”时，我们将Jan到Dec列转换为逻辑值，即TRUE。然后我们将数据集split()到一个列表中，其中每个条目包含一行。我们将该列表和df$month_num输入到purrr::map2()中，并将month_num中指定的月份值之前的所有值强制为FALSE。我们将列表绑定回 Dataframe ，并通过应用rowSums()获得所需的输出。

library(tidyverse)

df$output <-
  df |>
  mutate(across(Jan:Dec, \(x) x == "N")) |>
  select(Jan:Dec) |>
  split(1:nrow(df)) |>
  map2(df$month_num, \(x, y) x |>
         mutate(across(all_of(0:y), \(z) FALSE))) |>
  list_rbind() |>
  rowSums()

df
#>   ID Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec month_num output
#> 1  A   N   N  x1  x1  x5  x3  x1  x1  x6  x1  x1  x7         3      0
#> 2  B  x1  x1  x5  x1  x1  x1  x7  x1   N  x2  x1  x1         5      1
#> 3  C   N  x1  x1  x1  x1   N   N  x1  x1  x1  x1  x1         2      2

我怀疑有一种方法可以用dplyr::rowwise()做到这一点，可能会更优雅一点。