非逐行修改多列值：值不在指定列则设为NA的高效方法

示例数据 #

df <- structure(list(row = c(1L, 12L, 17L, 44L, 55L, 90L), 
                     b1 = c(55L,17L, 12L, 12L, 1L, 12L), 
                     b2 = c(NA, 44L, 44L, 17L, NA, 17L),
                     b3 = c(NA, 90L, 90L, 90L, NA, 44L), 
                     a1 = c(55L, 17L, 12L, 12L, 1L, 12L), 
                     a2 = c(NA, 44L, 44L, 17L, NA, 28L), 
                     a3 = c(NA, 90L, NA, 90L, NA, 44L)), 
                row.names = c(NA, -6L), 
                class = "data.frame")

需求说明 #

对数据框每行执行以下操作：

• 检查所有以b开头的列（如b1/b2/b3）的值是否存在于该行以a开头的列（如a1/a2/a3）中
• 若未匹配到，将该b列对应位置的值设为NA
• 注：a、b列的数量可能变化，但命名规则固定（分别以a/b开头）

原实现使用嵌套循环，但面对大数据量时效率不足，现提供更高效的替代方案。

原循环实现（效率较低） #

acols <- grep("^a", colnames(df))
bcols <- grep("^b", colnames(df))

for(i in 1:nrow(df)) {
  for(j in bcols) {
    if(df[i, j] %in% df[i, acols]) {
      next
    } else {
      df[i, j] <- NA
    }
  }
}

高效解决方案 #

方案1：tidyverse 实现 #

利用dplyr的行处理能力，避免显式循环：

library(dplyr)

df_processed <- df %>%
  rowwise() %>%
  mutate(
    across(starts_with("b"), ~ ifelse(.x %in% c_across(starts_with("a")), .x, NA))
  ) %>%
  ungroup()

print(df_processed)

• rowwise()：将数据框按行分组，确保后续操作逐行执行
• c_across(starts_with("a"))：提取当前行所有a开头列的值组成向量
• across(starts_with("b"))：对每个b开头列应用判断逻辑，匹配保留原值，不匹配设为NA

方案2：Base R 实现 #

通过矩阵操作和apply逐行处理，效率优于嵌套循环：

# 提取a列和b列的矩阵
a_mat <- df[, grep("^a", colnames(df))]
b_mat <- df[, grep("^b", colnames(df))]

# 逐行判断每个b值是否在对应行的a值中，生成逻辑矩阵
match_mat <- t(apply(b_mat, 1, function(row_b) {
  row_a <- na.omit(a_mat[rownames(b_mat)[row(b_mat)[1]], ])
  row_b %in% row_a
}))

# 将不匹配的位置设为NA
b_mat[!match_mat] <- NA

# 合并回原数据框并恢复列顺序
df_processed <- cbind(df[, !colnames(df) %in% colnames(b_mat)], b_mat, a_mat)
df_processed <- df_processed[, colnames(df)]

print(df_processed)

• 先分离a、b列矩阵，通过apply逐行生成匹配逻辑矩阵
• 利用矩阵索引直接替换不匹配的值为NA，最后合并回原数据框并恢复列顺序

期望输出 #

row b1 b2 b3 a1 a2 a3
1   1 55 NA NA 55 NA NA
2  12 17 44 90 17 44 90
3  17 12 44 NA 12 44 NA
4  44 12 17 90 12 17 90
5  55  1 NA NA  1 NA NA
6  90 12 NA 44 12 28 44

内容的提问来源于stack exchange，提问作者L Tyrone