如何用dplyr将除y2外的数值列替换为列均值？

问题背景 #

给定如下数据框：

df <- data.frame(x = c("A","A","B","B"), y1 = c(1,2,3,4), y2=c(10,20,30,40), y3=c(1,4,10,40), y4 = c(1,0,0,0))

需求是将数据框中除y2外的所有数值列替换为该列的均值，期望输出：

x   y1   y2  y3     y4
A   2.5  10  13.75  0.25
A   2.5  20  13.75  0.25
B   2.5  30  13.75  0.25
B   2.5  40  13.75  0.25

解决方案 #

使用dplyr的mutate()结合across()函数可以高效实现需求，具体代码如下：

library(dplyr)

df_result <- df %>%
  mutate(across(where(is.numeric) & !matches("y2"), ~ mean(.x, na.rm = TRUE)))

代码说明 #

• where(is.numeric)：筛选所有数值类型的列
• !matches("y2")：排除列名为y2的列
• ~ mean(.x, na.rm = TRUE)：对目标列计算均值，添加na.rm = TRUE是为了兼容含缺失值的场景，让代码更健壮

运行后即可得到符合预期的结果。

内容的提问来源于stack exchange，提问作者HappyPy