如何在循环中用paste指定变量并检测其值是否为NA？

核心思路 #

要实现需求，关键是正确获取原变量的NA行索引，再定位对应前缀的哑变量列，批量赋值NA。你之前的问题在于用字符串"df$Q1"直接判断NA，而不是获取变量本身的值——要用df[[变量名字符串]]来提取对应列的实际数据。

方法一：Base R 循环实现 #

假设你的数据框df1已经包含原变量（Q1-Q19）和对应的哑变量（如Q1_a、Q1_b、Q1_c...），代码如下：

# 先给示例数据添加哑变量（模拟实际场景）
df1$Q1_a <- c(1,0,1,1,0,0,0)
df1$Q1_b <- c(0,1,0,1,1,0,0)
df1$Q1_c <- c(0,1,0,0,0,0,1)

# 循环处理Q1到Q19
for(n in 1:19){
  # 1. 获取当前原变量的列名
  q_col <- paste0("Q", n)
  # 2. 跳过不存在的列（防止数据中没到Q19报错）
  if(!q_col %in% colnames(df1)) next
  # 3. 找到原变量为NA的行索引
  na_rows <- is.na(df1[[q_col]])
  # 4. 定位所有对应前缀的哑变量列
  dummy_cols <- grep(paste0("^", q_col, "_"), colnames(df1), value = TRUE)
  # 5. 将这些哑变量列的NA行设为NA
  if(length(dummy_cols) > 0){
    df1[na_rows, dummy_cols] <- NA
  }
}

# 查看处理后的结果
df1

方法二：Tidyverse 简洁实现 #

如果你习惯用dplyr和purrr，可以用更简洁的管道风格代码：

library(dplyr)
library(purrr)

# 同样先添加哑变量示例
df1 <- df1 %>%
  mutate(Q1_a = c(1,0,1,1,0,0,0),
         Q1_b = c(0,1,0,1,1,0,0),
         Q1_c = c(0,1,0,0,0,0,1))

# 遍历Q1-Q19的列名
walk(1:19, function(n){
  q_col <- paste0("Q", n)
  if(!q_col %in% colnames(df1)) return(NULL)
  
  df1 <<- df1 %>%
    mutate(across(starts_with(paste0(q_col, "_")), 
                 ~ifelse(is.na(!!sym(q_col)), NA, .x)))
})

# 查看结果
df1

关键说明 #

• 用df[[q_col]]或!!sym(q_col)（tidyverse语法）可以将字符串形式的列名转换为实际变量，从而正确判断每行是否为NA。
• grep(paste0("^", q_col, "_"), ...)或starts_with(paste0(q_col, "_"))可以精准匹配对应原变量的所有哑变量列，避免误修改其他列。

内容的提问来源于stack exchange，提问作者j78910