在R语言中根据分组首值将组内值转为NA的实现方法

关于group_by()和mutate()的适用性 #

group_by()和mutate()并不是实现这个需求的最优选择——group_by()核心作用是对行维度进行分组聚合，而我们需要的是对列进行分组后，逐行判断每组首列的NA状态并完成整组替换，两者的应用场景不匹配。

实现方案 #

假设你的示例数据如下：

# 示例输入df
df <- data.frame(
  a = c(1, NA, 3),
  b = c(2, 5, 6),
  c = c(3, 7, 9),
  d = c(NA, 2, 4),
  e = c(5, 3, 7),
  f = c(6, 4, 8)
)

# 期望输出df_1
df_1 <- data.frame(
  a = c(1, NA, 3),
  b = c(2, NA, 6),
  c = c(3, NA, 9),
  d = c(NA, 2, 4),
  e = c(NA, 3, 7),
  f = c(NA, 4, 8)
)

可以用以下两种方法实现需求：

方法1：结合rowwise()和across()逐行处理

library(dplyr)

# 给每列分配分组ID（每3列一组）
group_ids <- ceiling(seq_along(df) / 3)

df_result <- df %>%
  rowwise() %>%
  mutate(
    across(everything(), ~{
      # 获取当前列所属的分组
      current_grp <- group_ids[cur_column() == names(df)]
      # 获取当前分组的第一列值
      first_val_in_grp <- pick(which(group_ids == current_grp)[1])[[1]]
      # 判断并替换
      if (is.na(first_val_in_grp)) NA else .x
    })
  ) %>%
  ungroup()

方法2：按列分组后批量处理

library(dplyr)
library(purrr)

# 将列名按每3个一组拆分
col_groups <- split(names(df), ceiling(seq_along(df)/3))

df_result <- map_dfc(col_groups, function(grp_cols) {
  # 取当前组的第一列作为判断依据
  first_col <- grp_cols[1]
  # 对当前组的所有列进行替换
  df %>%
    mutate(across(all_of(grp_cols), ~if_else(is.na(!!sym(first_col)), NA_real_, .x))) %>%
    select(all_of(grp_cols))
})

两种方法都能得到你期望的df_1结果。

内容的提问来源于stack exchange，提问作者Pajul