R语言中比较dataframe两列，将相同值对应val2替换为NA的实现问题

我有一个包含4列的DataFrame，需要比较val1和val2列，当两列数值内容完全相同时，将val2对应位置的值替换为NA。注意：若两列数值不同（如示例第三行val1为123、val2为1236），则保留val2原有值。

数据示例 #

实际数据 #

structure(list(record_id = c(1L, 2L, 2L, 3L, 4L, 5L), name = c("CDK19", 
"DYNC1H1", "G6PD", "NPRL2", "CHD2", "LGI1"), val1 = c("c.386A>C", 
"c.G5864T", "c.T1058C", "c.323_339+19del", "c.2876+3_2876+6delAAGT", 
"c.757G>A"), val2 = c(NA, "c.5864G>T", NA, "c.323_339+19del", 
"c.2876+3_2876+6delAAGT", "c.757G>A")), row.names = c(NA, -6L
), class = c("tbl_df", "tbl", "data.frame"))

虚拟数据 #

# rec_id    name    val1    val2
# 1 abby    g.B123C g.123B>C
# 1 Amy     g.B183C g.123B>C
# 2 abby    g.B123C g.1236B>C
# 3 Amy     g.2876+3_2876+6delABC   g.2876+3_2876+6delABC
# 4 Amber   g.2876+3_2876+6delABC   g.2876+3_2876+6delABC
# 5 Axe     g.2876G>C   NA

期望输出 #

# rec_id    name    val1    val2
# 1 abby    g.B123C NA
# 1 Amy g.B183C g.123B>C
# 2 abby    g.B123C g.1236B>C
# 3 Amy g.2876+3_2876+6delABC   NA
# 4 Amber   g.2876+3_2876+6delABC   NA
# 5 Axe g.2876+g>c  NA

尝试的错误代码 #

mydata %>%
  for (i in 1:nrow(mydata)) {
    if (mydata$val1[i] == mydata$val2[i]) {
      mydata$val2[i] <- NA
    }
  }

问题说明：管道符%>%后不能直接接for循环，管道符的作用是将左侧数据传递给右侧的函数，循环不属于函数式操作，因此这段代码无法运行。

正确解决方案 #

方法1：使用dplyr（tidyverse风格） #

利用mutate结合ifelse，同时处理NA值的情况（NA与任何值比较结果都是NA，需要先判断两列都不为NA再比较）：

library(dplyr)

mydata_processed <- mydata %>%
  mutate(val2 = ifelse(!is.na(val1) & !is.na(val2) & val1 == val2, NA, val2))

方法2：基础R方式 #

直接通过索引赋值，无需加载额外包：

# 找到val1和val2都非NA且相等的行索引
match_idx <- !is.na(mydata$val1) & !is.na(mydata$val2) & mydata$val1 == mydata$val2
# 将对应行的val2设为NA
mydata$val2[match_idx] <- NA

测试补充数据 #

针对给出的df2和df3，上述代码均可正常处理：

• df2中val2全为NA，处理后无变化
• df3中无val1与val2完全匹配的行，处理后val2保持原样

内容的提问来源于stack exchange，提问作者akang