如何按规则填充数据框NA值并更新指定列的变量值？

问题描述 #

现有如下R数据框df：

df <- structure(list(Grade = c("A", "A", "B", "B"), Pass = c("Y", "N", 
"Y", "N"), A1 = c(7, 8, NA, NA), A2 = c(4, 5, NA, NA), A3 = c(9, 
NA, NA, NA), B1 = c(NA, NA, 8, NA), B2 = c(NA, NA, 3, 4)), row.names = c(NA, 
-4L), class = c("tbl_df", "tbl", "data.frame"))

需要完成两项操作：

• 若列名首字母与Grade列的值匹配，且当前值为NA，则将其替换为0；
• 将A1至B2列的数值更新为：当前值 * 100 / 列总和（列总和用colSums()计算）。

实现步骤与代码 #

我们可以用dplyr包高效完成这两项操作，以下是具体实现：

步骤1：替换符合条件的NA为0 #

按行遍历数据，对A1到B2的列判断：如果列名首字母和当前行的Grade值一致，且当前值是NA，就替换成0：

library(dplyr)

# 第一步处理：替换指定NA为0
df_step1 <- df %>%
  rowwise() %>%
  mutate(across(A1:B2, ~ifelse(substr(cur_column(), 1, 1) == Grade & is.na(.), 0, .))) %>%
  ungroup()

步骤2：计算列占比 #

先计算处理后数据中A1到B2各列的总和，再将每个数值转换为占列总和的百分比：

# 第二步处理：计算百分比占比
df_final <- df_step1 %>%
  mutate(across(A1:B2, ~.x * 100 / colSums(select(., A1:B2), na.rm = TRUE)[cur_column()]))

完整合并代码 #

将两步整合，直接得到最终结果：

library(dplyr)

df <- structure(list(Grade = c("A", "A", "B", "B"), Pass = c("Y", "N", 
"Y", "N"), A1 = c(7, 8, NA, NA), A2 = c(4, 5, NA, NA), A3 = c(9, 
NA, NA, NA), B1 = c(NA, NA, 8, NA), B2 = c(NA, NA, 3, 4)), row.names = c(NA, 
-4L), class = c("tbl_df", "tbl", "data.frame"))

df_final <- df %>%
  rowwise() %>%
  mutate(across(A1:B2, ~ifelse(substr(cur_column(), 1, 1) == Grade & is.na(.), 0, .))) %>%
  ungroup() %>%
  mutate(across(A1:B2, ~.x * 100 / colSums(select(., A1:B2), na.rm = TRUE)[cur_column()]))

# 查看最终结果
print(df_final)

内容的提问来源于stack exchange，提问作者Stataq