R中基于条件的缺失值插补：将非吸烟者的‘Not available’设为0

嗨！这个需求非常合理——毕竟过去吸烟或从不吸烟的人，当前日均吸烟量确实应该是0，而不是缺失值。我给你分享几种在R里实现这个逻辑的常用方法，你可以根据自己的习惯选择：

方法一：基础R（无需额外包） #

假设你的数据框名叫df，两个变量分别是Do_you_smoke（分类变量）和cigarettes_per_day（日均吸烟量）。直接用条件索引赋值即可：

# 先处理可能的字符串型缺失值（如果"Not available"是文本的话）
df$cigarettes_per_day[df$cigarettes_per_day == "Not available"] <- NA
# 转成数值型（如果原本是字符格式）
df$cigarettes_per_day <- as.numeric(df$cigarettes_per_day)

# 核心：将Do_you_smoke为2或3的观测，日均吸烟量设为0
df$cigarettes_per_day[df$Do_you_smoke %in% c(2, 3)] <- 0

这里的%in%用来检查Do_you_smoke的取值是否在c(2,3)这个向量里，精准定位到需要修改的观测。

方法二：tidyverse/dplyr（更清晰的代码逻辑） #

如果你平时用tidyverse系列工具，用mutate+case_when的组合会让代码可读性更强，尤其适合复杂的多条件场景：

library(dplyr)

# 先处理字符串缺失值（如果需要的话）
df <- df %>%
  mutate(cigarettes_per_day = ifelse(cigarettes_per_day == "Not available", NA, cigarettes_per_day),
         cigarettes_per_day = as.numeric(cigarettes_per_day)) %>%
  # 按条件赋值
  mutate(cigarettes_per_day = case_when(
    Do_you_smoke %in% c(2, 3) ~ 0,
    TRUE ~ cigarettes_per_day  # 其他情况（比如当前吸烟的人）保持原数值不变
  ))

小提醒 #

操作前建议先备份原始数据，比如df_backup <- df，这样万一操作失误可以随时恢复～

备注：内容来源于stack exchange，提问作者Francesco Lo Riso