在R语言中基于条件批量修改多列数据的高效实现方法

示例数据集：

dat <- data.frame(role1= c(1, 1, 1, 1, 0, 0 ,0 , 1, 1, 0, 0, 0, 1,
                           0, 0, 0, 1),
                  role2= c(1, 1, 1, 1, 0, 0 ,0 , 1, 1, 0, 0, 0, 1,
                           1, 0, 0, 1),
                  role3= c(0, 0, 0, 1, 0, 0 ,0 , 1, 0, 0, 0, 0, 1,
                           1, 1, 1, 1))

需求：当指定列（示例中为role1-role3，实际数据集列数更多）整行全为0时，将该行的这些列值统一替换为-97。

原实现方式需逐列判断，列数多时效率极低：

dat$role1[dat$role1==0 & dat$role2==0 & dat$role3==1] <- -97
dat$role2[dat$role1==-97 & dat$role2==0 & dat$role3==1] <- -97
dat$role3[dat$role1==-97 & dat$role2==-97 & dat$role3==1] <- -97

期望输出：

role1 role2 role3
1      1     1     0
2      1     1     0
3      1     1     0
4      1     1     1
5    -97   -97   -97
6    -97   -97   -97
7    -97   -97   -97
8      1     1     1
9      1     1     0
10   -97   -97   -97
11   -97   -97   -97
12   -97   -97   -97
13     1     1     1
14     0     1     1
15     0     0     1
16     0     0     1
17     1     1     1

以下两种方法无需逐列操作，可适配任意数量目标列：

方法1：基础R实现（无依赖） #

# 筛选目标列（以列名包含"role"前缀为例，可根据实际调整）
target_cols <- grep("^role", colnames(dat))
# 找出目标列全为0的行（因列值仅为0或1，行和为0即全0）
zero_rows <- rowSums(dat[, target_cols]) == 0
# 批量替换这些行的目标列值为-97
dat[zero_rows, target_cols] <- -97

方法2：dplyr包实现（适合tidyverse工作流） #

library(dplyr)

# 批量处理指定前缀的列，判断整行全0后替换
dat <- dat %>%
  mutate(across(starts_with("role"), 
                ~ifelse(rowSums(pick(starts_with("role"))) == 0, -97, .)))

运行上述代码后，即可得到符合期望的结果，且无论目标列数量多少，仅需一次批量操作即可完成，效率远高于逐列判断。

内容的提问来源于stack exchange，提问作者T K