如何在R中批量处理多列对，用_2列值替换_1列的NA？

Base R 解决方案 #

方法1：循环处理前缀分组 #

先提取所有列的前缀（比如y、z），然后循环每个前缀对应的列对，替换_1列的NA值：

# 示例数据
df <- data.frame(y_1 = c(1, NA, 2, 2),
                 y_2 = c(1, 1, 2, 2),
                 z_1 = c(4, 5, NA, 6),
                 z_2 = c(4, 5, 5, 6))

# 提取所有列的前缀（去掉_1/_2后缀）
prefixes <- unique(sub("_\\d+$", "", colnames(df)))

# 循环处理每一组列对
for (prefix in prefixes) {
  col1 <- paste0(prefix, "_1")
  col2 <- paste0(prefix, "_2")
  # 将_1列的NA替换为_2列对应位置的值
  df[[col1]] <- ifelse(is.na(df[[col1]]), df[[col2]], df[[col1]])
}

处理后结果：

> df
  y_1 y_2 z_1 z_2
1   1   1   4   4
2   1   1   5   5
3   2   2   5   5
4   2   2   6   6

方法2：用Map函数批量处理 #

如果想避免显式循环，可以用Map函数对列对进行批量操作：

# 将列按前缀分组，确保每组是_1和_2的顺序
col_groups <- split(colnames(df), sub("_\\d+$", "", colnames(df)))
col_groups <- lapply(col_groups, function(x) x[order(x)])

# 提取所有_1列和_2列
cols_1 <- unlist(lapply(col_groups, `[`, 1))
cols_2 <- unlist(lapply(col_groups, `[`, 2))

# 批量替换NA
df[cols_1] <- Map(function(x, y) ifelse(is.na(x), y, x), df[cols_1], df[cols_2])

tidyverse 解决方案（dplyr） #

如果你习惯用tidyverse工具链，可以用across结合cur_column()动态匹配对应列：

library(dplyr)

df <- df %>%
  mutate(across(ends_with("_1"), 
                ~ ifelse(is.na(.), get(sub("_1$", "_2", cur_column())), .)))

这个方法会自动匹配所有以_1结尾的列，找到对应的_2列完成NA替换。

内容的提问来源于stack exchange，提问作者reidj