如何在R中用类SAS数组方式批量更新字段N/A值及实现plyr操作？

现有数据框DF2包含Drug_Intake_Heroin、Drug_Intake_Fentanyl、Drug_Intake_Cocaine、Drug_Intake_Crack字段及not_miss字段（该字段为每行非N/A值的统计数，无需重新生成）。需求为：当not_miss≠"0"时，将上述字段中的"N/A"替换为"0"。目前已通过逐个字段调用ifelse实现功能，现询问：

1. 是否可采用类似SAS的数组方式处理？
2. 如何将该操作改写为函数、循环，以及采用plyr风格的操作实现？

数据框定义 #

DF2 <- 
data.frame(Drug_Intake_Heroin=c('N/A','0','0','N/A','1','1','N/A'),
          Drug_Intake_Fentanyl=c('N/A','0','0','N/A','1','1','N/A'),
          Drug_Intake_Cocaine =c('N/A','1','0','N/A','0','1','1'),
           Drug_Intake_Crack = c('N/A','0','1','1','1','0','N/A'),
            not_miss = c('0','4','4','1','4','4','1'))

现有逐个字段实现代码 #

Heroin字段处理 #

DF2$Drug_Intake_Heroin <- ifelse((DF2$Drug_Intake_Heroin == "N/A" & DF2$not_miss != "0"), "0",  DF2$Drug_Intake_Heroin)

Fentanyl字段处理 #

DF2$Drug_Intake_Fentanyl <- ifelse((DF2$Drug_Intake_Fentanyl == "N/A" & DF2$not_miss != "0"), "0",  DF2$Drug_Intake_Fentanyl)

Cocaine字段处理 #

DF2$Drug_Intake_Cocaine <- ifelse((DF2$Drug_Intake_Cocaine == "N/A" & DF2$not_miss != "0"), "0",  DF2$Drug_Intake_Cocaine)

Crack字段处理 #

DF2$Drug_Intake_Crack <- ifelse((DF2$Drug_Intake_Crack == "N/A" & DF2$not_miss != "0"), "0",  DF2$Drug_Intake_Crack)

用户尝试的plyr风格代码 #

DF2 <- DF2 %>% 
            mutate_at(
                    c("Drug_Intake_Heroin","Drug_Intake_Fentanyl",
                      "Drug_Intake_Cocaine","Drug_Intake_Crack"),  
                    funs(case_when(. == "N/A" & DF2$not_miss != "0" 
                     ~ "0", TRUE ~ "N/A")))

1. 类似SAS数组的处理方式 #

在R中可以通过批量索引字段组实现类似SAS数组的操作，核心是一次性指定所有目标字段，统一应用条件逻辑：

# 定义需要处理的字段向量
drug_cols <- c("Drug_Intake_Heroin", "Drug_Intake_Fentanyl", 
               "Drug_Intake_Cocaine", "Drug_Intake_Crack")

# 批量替换：满足条件时将"N/A"改为"0"
DF2[drug_cols][DF2[drug_cols] == "N/A" & DF2$not_miss != "0"] <- "0"

这种写法和SAS数组思路一致：先圈定操作的变量组，再对组内所有变量执行相同的条件替换，无需逐个字段调用函数。

2. 多种实现方式 #

方式一：基础循环实现 #

通过for循环遍历目标字段，逐个执行替换逻辑：

drug_cols <- c("Drug_Intake_Heroin", "Drug_Intake_Fentanyl", 
               "Drug_Intake_Cocaine", "Drug_Intake_Crack")

for(col in drug_cols) {
  DF2[[col]] <- ifelse(DF2[[col]] == "N/A" & DF2$not_miss != "0", 
                       "0", DF2[[col]])
}

方式二：封装为自定义函数 #

把替换逻辑封装成可复用的函数，方便后续多次调用：

replace_na_with_zero <- function(df, target_cols, miss_col) {
  for(col in target_cols) {
    df[[col]] <- ifelse(df[[col]] == "N/A" & df[[miss_col]] != "0", 
                        "0", df[[col]])
  }
  return(df)
}

# 调用函数完成替换
DF2 <- replace_na_with_zero(DF2, drug_cols, "not_miss")

方式三：tidyverse（plyr风格）实现 #

用户之前的代码存在逻辑错误：case_when中的TRUE ~ "N/A"会把所有非目标值强制改为"N/A"，正确写法应保留原字段值。以下是修正后的实现：

传统mutate_at写法（兼容plyr风格）

library(dplyr)

drug_cols <- c("Drug_Intake_Heroin", "Drug_Intake_Fentanyl", 
               "Drug_Intake_Cocaine", "Drug_Intake_Crack")

DF2 <- DF2 %>%
  mutate_at(vars(drug_cols), 
            ~ ifelse(. == "N/A" & not_miss != "0", "0", .))

现代mutate(across())写法（替代mutate_at）

DF2 <- DF2 %>%
  mutate(across(all_of(drug_cols), 
                ~ ifelse(. == "N/A" & not_miss != "0", "0", .)))

修正后的case_when写法

DF2 <- DF2 %>%
  mutate(across(all_of(drug_cols), 
                ~ case_when(
                  . == "N/A" & not_miss != "0" ~ "0",
                  TRUE ~ .  # 保留原字段值，而非硬编码为"N/A"
                )))

内容的提问来源于stack exchange，提问作者MasterG