使用dplyr将DataFrame部分随机值替换为NA的优化方法咨询

你可以直接在mutate中为每个列单独生成随机判断条件，无需临时变量，代码更紧凑且可读性更好：

df %>%
  mutate(
    value1 = replace(value1, runif(n()) < 0.1, NA),
    value2 = replace(value2, runif(n()) < 0.2, NA)
  )

优化说明 #

• 用n()替代length(df$id)：dplyr中的n()会直接返回当前数据框的行数，无需依赖特定列，更通用
• 避免重复定义临时变量：直接在replace的索引条件中生成随机数，省去重复赋值rand的步骤
• 去掉which()：逻辑向量（runif(n()) < 0.1）可直接作为索引，无需转换为位置向量，代码更简洁

另一种等价写法（用ifelse） #

如果你觉得ifelse的逻辑更直观，也可以这样写：

df %>%
  mutate(
    value1 = ifelse(runif(n()) < 0.1, NA, value1),
    value2 = ifelse(runif(n()) < 0.2, NA, value2)
  )

两种写法都能保证value1和value2的缺失值是独立随机生成的，完全符合你的需求。

内容的提问来源于stack exchange，提问作者data science newb