R语言中替换数据框内*为NA的循环代码无效，求原因及解决方案

原代码失效原因 #

• 循环变量i是行索引（取值为1到数据框总行数的整数），永远不可能等于字符串"*"，导致if判断条件始终不触发，数据框毫无变化。
• 逐行遍历的循环方式在R中效率极低，尤其面对大型数据集，完全没必要这么做。

高效替换方法 #

1. Base R 向量化操作（推荐，无额外依赖） #

直接对整个数据框做向量化替换，比循环快数倍：

# 直接替换所有"*"为NA
mydata[mydata == "*"] <- NA

如果数据包含因子类型列，需先转为字符型再替换：

# 统一转换为字符型
mydata[] <- lapply(mydata, function(x) if (is.factor(x)) as.character(x) else x)
# 替换缺失值
mydata[mydata == "*"] <- NA
# 如需恢复因子列，可单独处理指定列
# mydata$target_col <- as.factor(mydata$target_col)

2. tidyverse/dplyr 风格实现 #

若习惯使用tidyverse工具链，用across函数批量处理所有列：

library(dplyr)

# dplyr 1.0.0+版本写法
mydata <- mydata %>%
  mutate(across(everything(), ~ ifelse(.x == "*", NA, .x)))

# 处理因子列的版本
mydata <- mydata %>%
  mutate(across(everything(), as.character)) %>%
  mutate(across(everything(), ~ ifelse(.x == "*", NA, .x)))

3. 超大数据集优化：data.table #

如果数据集规模极大，data.table的内存和速度表现更优：

library(data.table)
setDT(mydata)
mydata[, lapply(.SD, function(x) fifelse(x == "*", NA, x))]

内容的提问来源于stack exchange，提问作者S1atty