R语言Dplyr：基于Join_Month_Count填充DataFrame指定列NA为0

问题背景 #

现有如下DataFrame：

# 创建6行多列的DataFrame
my_dataframe=data.frame(Student_Id = c( '1012501', '1012502', '1012503', '1012504', '1012505', '1012506'),  
                        Student_Nm = c( 'John Doe', 'John Smith', 'John Simon', 'Jane Powel', 'Jane Smith', 'Jane Simon'),  
                        School_Cd = c( '808971', '808972', '808973', '808974', '808975', '808976'),     
                        Grade = c(1,1,2,2,3,4),     
                        Age = c(6,6,7,7,8,9),   
                        Join_Month_Count = c(36,18,2,9,3,22),   
                        New_Student_FL = c(0,0,1,0,1,0),    
                        Subject = c( 'Math', 'Science', 'Geography', 'Social_Study', 'Music', 'Math'),  
                        Mar_22 = c(NA,NA,NA,NA,NA,NA),  
                        Apt_22 = c(NA,9,NA,NA,NA,2),    
                        May_22 = c(12,NA,NA,NA,NA,9),   
                        Jun_22 = c(NA,8,NA,NA,NA,8),    
                        Jul_22 = c(1,NA,NA,8,NA,NA),    
                        Aug_22 = c(NA,NA,NA,NA,NA,7),   
                        Sep_22 = c(9,8,NA,NA,NA,NA),    
                        Oct_22 = c(NA,NA,NA,8,NA,NA),   
                        Nov_22 = c(26,NA,NA,NA,NA,4),   
                        Dec_22 = c(NA,7,NA,NA,NA,NA),   
                        Jan_23 = c(4,6,NA,8,NA,1),  
                        Feb_23 = c(8,NA,4,NA,12,1),     
                        Mar_23 = c(9,NA,NA,8,NA,5))

# 查看DataFrame
print(my_dataframe)

需求说明 #

• 将第9至21列（Mar_22到Mar_23）中的NA值填充为0；
• 填充范围需按每行的Join_Month_Count值计算：用22减去该值得到起始列索引，若索引小于9则从第9列开始，仅对起始列到第21列范围内的NA填充为0。
  示例：第3行仅填充第20至21列的NA为0，其余列保持不变。

现有问题 #

之前尝试的for循环可实现需求，但效率极低；部分dplyr代码无法按行动态控制填充范围。

高效解决方案 #

方法1：使用dplyr+rowwise实现逐行动态处理 #

利用rowwise()实现逐行计算起始列，结合across()和条件判断精准填充：

library(dplyr)

my_dataframe_processed <- my_dataframe %>%
  rowwise() %>%
  mutate(
    # 计算起始列索引，确保不小于9
    start_col = max(22 - Join_Month_Count, 9),
    # 遍历目标列，仅在列索引符合范围时填充NA为0
    across(9:21, ~ ifelse(match(cur_column(), colnames(my_dataframe)) >= start_col & is.na(.), 0, .))
  ) %>%
  ungroup() %>%
  select(-start_col) # 移除临时计算列

print(my_dataframe_processed)

方法2：向量化矩阵操作（性能最优） #

通过构造逻辑矩阵批量标记需要填充的位置，完全避免循环，适合大数据量场景：

# 提取需要处理的月份列（第9到21列）
month_cols <- my_dataframe[,9:21]
# 计算每行的起始填充位置（转换为相对于第9列的偏移索引）
start_pos <- pmax(22 - my_dataframe$Join_Month_Count - 8, 1) # 8是第9列的前序列数（9-1=8）

# 构造逻辑矩阵：标记需要填充NA的单元格
fill_matrix <- outer(1:nrow(month_cols), 1:ncol(month_cols), function(i,j) j >= start_pos[i]) & is.na(month_cols)

# 批量填充0
month_cols[fill_matrix] <- 0

# 合并回原DataFrame
my_dataframe_processed <- cbind(my_dataframe[,1:8], month_cols)

print(my_dataframe_processed)

内容的提问来源于stack exchange，提问作者croft