使用dplyr按条件拆分tibble列，不符合条件填NA保持长度一致

先还原你的原始数据：

library(tibble)
library(dplyr)

df <- tibble(
  A = c(1, 2, -3),
  B = c(0, 1, -2),
  C = c(-1, 2, 1)
)

你之前用summarise()出错是因为这个函数是做聚合汇总的，输出行数会压缩，而你需要的是逐行生成新列、保持原数据行数，所以得用mutate()配合条件判断函数来实现。

根据你给出的期望输出，反推对应的条件，示例代码如下：

df_new <- df %>%
  mutate(
    # 当A < 0时保留A，否则填NA → 对应A_to_B列
    A_to_B = ifelse(A < 0, A, NA),
    # 当B >= 0时保留A的值，否则填NA → 对应B_to_A列
    B_to_A = ifelse(B >= 0, A, NA),
    # 当B < 0时保留B的值，否则填NA → 对应B_to_C列
    B_to_C = ifelse(B < 0, B, NA)
  )

# 查看结果
df_new

运行后得到的结果和你期望的完全一致：

# A tibble: 3 × 6
      A     B     C A_to_B B_to_A B_to_C
  <dbl> <dbl> <dbl>  <dbl>  <dbl>  <dbl>
1     1     0    -1     NA      1     NA
2     2     1     2     NA      2     NA
3    -3    -2     1     -3     NA     -2

核心要点 #

• 放弃summarise()：它的作用是聚合（比如求和、取均值），会把多行数据压缩成一行或分组后的行数，这就是你之前遇到“长度不一致”的根源。
• 用mutate()生成新列：这个函数会为原数据的每一行生成对应新列的值，完全保留原数据的行数。
• 条件判断工具：
  • 简单条件用ifelse()足够，格式为ifelse(判断条件, 满足条件的取值, 不满足时填NA)
  • 多条件场景推荐用case_when()，语法更直观，比如：

    mutate(
      new_col = case_when(
        A > 2 ~ A,
        B < 0 ~ B,
        TRUE ~ NA_real_ # 其他所有情况填NA
      )
    )
    

批量处理扩展 #

如果要给大量列按相同规则生成新变量，用across()批量操作更高效，比如给每列生成“小于0时保留原值，否则填NA”的新列：

df %>%
  mutate(
    across(everything(), ~ifelse(.x < 0, .x, NA), .names = "{col}_neg")
  )

会自动生成A_neg、B_neg、C_neg列，完美适配多列场景。

内容的提问来源于stack exchange，提问作者Herr Student