按组条件替换数据框中NA值的R语言实现问题求助

问题描述 #

我手头有这么一个R数据框：

dataset2_long <- read.table(text="
IDM    time_point           smoking_status
1      smoking6m           0
1      smoking5y           NA
1      smoking9y           0
1     smoking13y           0
2     smoking6m            0
2     smoking5y            2
2     smoking9y            0
2     smoking13y           NA
3     smoking6m            1
3     smoking5y            2
3     smoking9y            0
3     smoking13y           NA", header=TRUE)

我的需求很明确：只在某个IDM分组里，所有非NA的smoking_status值都是0的情况下，把这个组里的NA替换成0。但我自己写的ifelse代码出问题了——它把IDM=2和IDM=3分组里的NA也改成了0，完全不符合我想要的结果。

我期望的输出应该是这样的：

IDM    time_point            smoking_status
1      smoking6m           0
1      smoking5y           0
1      smoking9y           0
1     smoking13y           0
2     smoking6m            0
2     smoking5y            2
2     smoking9y            0
2     smoking13y           NA
3     smoking6m            1
3     smoking5y            2
3     smoking9y            0
3     smoking13y           NA

我尝试的代码是这样的：

dataset2_long <- dataset2_long %>%
  group_by(IDM) %>%
  mutate(smoking_status = ifelse(all(is.na(smoking_status) | smoking_status == 0), replace(smoking_status, is.na(smoking_status), 0), smoking_status))

问题原因与解决办法 #

你之前的代码之所以失效，是因为ifelse是逐元素进行判断的，但我们的判断条件是整个分组的属性（这个组是不是只有0和NA），直接用ifelse会把分组级别的判断逻辑套用到每个元素上，自然会出错。

这里给你两种靠谱的解决思路，都能精准实现你的需求：

方法一：用case_when配合分组标记 #

先给每个分组打个标记，判断它是否符合“只有0和NA”的条件，再根据标记替换NA：

library(dplyr)

dataset2_long <- dataset2_long %>%
  group_by(IDM) %>%
  mutate(
    # 临时标记当前分组是否符合条件
    is_only_0_na = all(smoking_status %in% c(0, NA)),
    # 只对符合条件的分组里的NA替换为0
    smoking_status = case_when(
      is_only_0_na & is.na(smoking_status) ~ 0,
      TRUE ~ smoking_status
    )
  ) %>%
  # 删掉临时标记列
  select(-is_only_0_na) %>%
  ungroup()

方法二：直接用if做分组级判断 #

既然是分组级别的条件，直接用if语句判断整个分组的属性，再决定是否替换：

library(dplyr)

dataset2_long <- dataset2_long %>%
  group_by(IDM) %>%
  mutate(
    smoking_status = if (all(smoking_status %in% c(0, NA))) {
      replace(smoking_status, is.na(smoking_status), 0)
    } else {
      smoking_status
    }
  ) %>%
  ungroup()

这两种方法都只会处理IDM=1这个符合条件的分组，其他分组的NA会保持原样，完全符合你的预期输出。

备注：内容来源于stack exchange，提问作者Komal Mehta