R语言：如何仅将死亡年份对应的身高体重值设为NA？

问题背景 #

数据集 #

my_data = data.frame(id = c(1,2,3), status_2017 = c("alive", "alive", "alive"), status_2018 = c("alive", "dead", "alive"), status_2019 = c("alive", "dead", "dead"), height_2017 = rnorm(3,3,3), height_2018 = rnorm(3,3,3), 
                     height_2019 = rnorm(3,3,3) , weight_2017  = rnorm(3,3,3), weight_2018 = rnorm(3,3,3), weight_2019 = rnorm(3,3,3))

示例输出：

id status_2017 status_2018 status_2019 height_2017 height_2018 height_2019 weight_2017 weight_2018 weight_2019
1  1       alive       alive       alive    6.505447    7.328302  4.14945261   2.4715195    7.140026    1.843526
2  2       alive        dead        dead   -2.033761    3.553849  0.09896499   0.4159123    4.340485    1.366350
3  3       alive       alive        dead    3.107110    2.967456  6.52980219   1.6573734    3.397389    3.116294

需求 #

若某ID在某年份状态为dead，则将该年份对应的height和weight值替换为NA。

尝试的错误方法 #

dead_rows <- my_data$status_2018 == "dead" | my_data$status_2019 == "dead"

my_data[dead_rows, c("height_2018", "height_2019", "weight_2018", "weight_2019")] <- NA

问题：ID=3在2018年状态为alive，但该年份的身高体重却被设为NA，不符合需求。需要修正该问题，同时希望有无需手动列所有列名的简洁实现方式。

解决方案 #

一、修正原始索引方法 #

问题核心是错误地将整行标记为dead后批量替换所有年份列，正确做法是按年份单独匹配：只有对应年份的status为dead时，才替换该年份的指标列。

# 处理2018年：status_2018为dead的行，替换height_2018和weight_2018为NA
my_data[my_data$status_2018 == "dead", c("height_2018", "weight_2018")] <- NA

# 处理2019年：status_2019为dead的行，替换height_2019和weight_2019为NA
my_data[my_data$status_2019 == "dead", c("height_2019", "weight_2019")] <- NA

此方法精准匹配年份，ID=3的2018年数据会保留，仅2019年指标被设为NA。

二、Base R批量实现（无需手动列名） #

针对年份较多的场景，可通过提取列名中的年份后缀自动匹配列：

# 提取所有年份后缀（从带年份的列名中解析）
years <- unique(sub(".*_(\\d{4})", "\\1", colnames(my_data)[grepl("_\\d{4}", colnames(my_data))]))

# 遍历每个年份，自动匹配status列和对应指标列
for (year in years) {
  status_col <- paste0("status_", year)
  metric_cols <- paste0(c("height_", "weight_"), year)
  
  my_data[my_data[[status_col]] == "dead", metric_cols] <- NA
}

此方法无需手动输入列名，可自动适配新增的年份列。

三、tidyverse简洁实现 #

通过长格式转换，逻辑更直观，适合复杂数据处理：

library(tidyverse)

my_data_clean <- my_data %>%
  # 转为长格式：将年份作为单独列，指标类型（status/height/weight）保留为列名
  pivot_longer(cols = -id, names_to = c(".value", "year"), names_sep = "_") %>%
  # 当status为dead时，将height和weight设为NA
  mutate(across(c(height, weight), ~ifelse(status == "dead", NA, .))) %>%
  # 转回宽格式，恢复原数据结构
  pivot_wider(names_from = year, values_from = c(status, height, weight))

处理后的数据严格按年份匹配status，自动完成NA替换，无需手动指定列名。

内容的提问来源于stack exchange，提问作者stats_noob