如何在R语言中基于其他列的值条件性提取列数据？

需要处理一个R数据框：仅当同编号的a_*和b_*列数值都大于4时，保留对应c_*列的原值；否则将c_*列对应位置设为NA，最终保留ID列和处理后的所有c_*列。

输入数据 #

data <- data.frame(
  ID = c("001", "002", "003"),
  a_1 = c(2, 5, 7),
  a_2 = c(7, 3, 2),
  a_3 = c(5, 5, 7),
  b_1 = c(1, 7, 3),
  b_2 = c(3, 3, 5),
  b_3 = c(5, 7, 7),
  c_1 = c("a", "b", "c"),
  c_2 = c("c", "a", "a"),
  c_3 = c("b", "a", "c")
)

期望输出 #

data <- data.frame(
  ID = c("001", "002", "003"),
  c_1 = c(NA, "b", NA),
  c_2 = c(NA, NA, NA),
  c_3 = c("b", "a", "c")
)

解决方案 #

方法1：Base R 向量化处理 #

利用列名的编号后缀规律，直接循环处理每组a/b/c列：

# 提取所有a列的编号后缀（1、2、3）
suffixes <- sub("a_", "", grep("^a_", colnames(data), value = TRUE))

# 逐个处理每个编号组
for(suf in suffixes) {
  # 判断当前组的a和b是否都大于4
  meet_condition <- data[[paste0("a_", suf)]] > 4 & data[[paste0("b_", suf)]] > 4
  # 不满足条件的c列值替换为NA
  data[[paste0("c_", suf)]] <- ifelse(meet_condition, data[[paste0("c_", suf)]], NA)
}

# 只保留ID和处理后的c列
final_data <- data[, c("ID", grep("^c_", colnames(data), value = TRUE))]
print(final_data)

方法2：Tidyverse 重塑处理 #

通过将数据转为长格式，更直观地筛选条件，再转回宽格式：

library(dplyr)
library(tidyr)

final_data <- data %>%
  # 转长格式，拆分列名为类型（a/b/c）和编号后缀
  pivot_longer(
    cols = -ID,
    names_to = c(".value", "suffix"),
    names_pattern = "(.)_(.)"
  ) %>%
  # 仅保留满足条件的c值，其余设为NA
  mutate(c = ifelse(a > 4 & b > 4, c, NA)) %>%
  # 移除不需要的a、b列
  select(-a, -b) %>%
  # 转回宽格式，恢复c_*列名
  pivot_wider(
    names_from = suffix,
    names_prefix = "c_",
    values_from = c
  )

print(final_data)

内容的提问来源于stack exchange，提问作者Marie