在R数据框中按ID匹配列名含指定物质的列并替换值

方法一：使用tidyverse包（直观易读） #

适合偏好管道式操作的新手，步骤清晰：

1. 首次使用需安装并加载tidyverse包：

install.packages("tidyverse")
library(tidyverse)

2. 处理数据：

# 原始数据集
df <- data.frame(id = c(1, 2, 3),
                 substance = c("A,B", "B,C", "C,D"),
                 years_in_recovery.A = c(2, 4, 4),
                 years_in_recovery.B = c(5, 6, NA),
                 years_in_recovery.C = c(8, NA, 10),
                 years_in_recovery.D = c(11, 12, 13))

# 转长格式并提取列名中的物质标识
df_long <- df %>%
  pivot_longer(cols = starts_with("years_in_recovery"),
               names_to = "substance_col",
               values_to = "years") %>%
  mutate(substance_extracted = str_remove(substance_col, "years_in_recovery\\."))

# 按行匹配物质，保留对应值后转回宽格式
df_processed <- df_long %>%
  rowwise() %>%
  mutate(keep = substance_extracted %in% str_split(substance, ",", simplify = TRUE)) %>%
  filter(keep) %>%
  ungroup() %>%
  pivot_wider(names_from = substance_col,
              values_from = years)

# 查看处理结果
print(df_processed)

步骤说明： #

• pivot_longer：把分散的康复年数列整合为「列名-对应值」的长格式，方便后续匹配。
• str_remove：从列名中剥离前缀，提取出物质标识（如从years_in_recovery.A得到A）。
• rowwise() + str_split：按行拆分substance列的逗号分隔字符串，判断当前列的物质是否属于该行的目标物质，只保留匹配的行。
• pivot_wider：将数据转回原始宽格式，未匹配的列自动填充NA。

方法二：基础R实现（无需额外包） #

如果不想安装第三方包，可使用基础R的循环和字符串处理：

# 原始数据集
df <- data.frame(id = c(1, 2, 3),
                 substance = c("A,B", "B,C", "C,D"),
                 years_in_recovery.A = c(2, 4, 4),
                 years_in_recovery.B = c(5, 6, NA),
                 years_in_recovery.C = c(8, NA, 10),
                 years_in_recovery.D = c(11, 12, 13))

# 筛选康复年数列，并提取列名中的物质标识
recovery_cols <- grep("^years_in_recovery", colnames(df), value = TRUE)
substance_list <- gsub("years_in_recovery\\.", "", recovery_cols)

# 逐行处理数据
for (row_idx in 1:nrow(df)) {
  # 拆分当前行的物质为向量
  current_subs <- strsplit(df$substance[row_idx], ",")[[1]]
  # 定位不需要保留的列
  drop_cols <- recovery_cols[!substance_list %in% current_subs]
  # 将无关列的值设为NA
  df[row_idx, drop_cols] <- NA
}

# 查看结果
print(df)

步骤说明： #

• grep：筛选出所有以years_in_recovery开头的列。
• gsub：移除列名前缀，得到纯物质标识。
• 循环每行：拆分当前行的目标物质列表，找出不匹配的列并将其值设为NA。

内容的提问来源于stack exchange，提问作者Fatima