R语言：如何批量依据偶数列值将奇数列对应值设为NA？

针对包含数千行、数百列的数据集，需要批量处理每一组奇-偶列对（如col1&col2、col3&col4），当偶数列的值小于指定阈值时，将对应奇数列的位置设为NA，以下是几种高效实现方式：

方法1：基础R循环实现 #

通过遍历所有奇数列，针对性修改对应行的值，逻辑直观，适用于所有R环境：

threshold <- 30L

# 生成可复现的示例数据
set.seed(123)
df <- data.frame(col1 = floor(runif(4, 0, 100)),
                 col2 = floor(runif(4, 0, 100)),
                 col3 = floor(runif(4, 0, 100)),
                 col4 = floor(runif(4, 0, 100)))

# 获取所有奇数列的索引
odd_col_indices <- seq(1, ncol(df), by = 2)

# 遍历每一对奇-偶列
for (idx in odd_col_indices) {
  # 定位偶数列值小于阈值的行，将奇数列对应位置设为NA
  df[df[, idx + 1] < threshold, idx] <- NA
}

# 查看处理结果
df

方法2：向量化操作（高效处理大数据集） #

利用Map函数实现无显式循环的批量处理，性能优于传统循环，适合大规模数据：

threshold <- 30L
set.seed(123)
df <- data.frame(col1 = floor(runif(4, 0, 100)),
                 col2 = floor(runif(4, 0, 100)),
                 col3 = floor(runif(4, 0, 100)),
                 col4 = floor(runif(4, 0, 100)))

# 拆分出所有奇数列和偶数列
odd_cols <- df[, seq(1, ncol(df), 2), drop = FALSE]
even_cols <- df[, seq(2, ncol(df), 2), drop = FALSE]

# 逐列对应用规则处理
processed_odd_cols <- Map(function(odd_col, even_col) {
  odd_col[even_col < threshold] <- NA
  odd_col
}, odd_cols, even_cols)

# 按原列顺序合并处理后的奇数列与原偶数列
df_new <- do.call(cbind, Map(cbind, processed_odd_cols, even_cols))
colnames(df_new) <- colnames(df) # 保留原列名

# 查看处理结果
df_new

方法3：tidyverse/dplyr 简洁实现 #

如果习惯使用tidyverse生态，用dplyr的across函数可以写出更简洁的代码：

library(dplyr)

threshold <- 30L
set.seed(123)
df <- data.frame(col1 = floor(runif(4, 0, 100)),
                 col2 = floor(runif(4, 0, 100)),
                 col3 = floor(runif(4, 0, 100)),
                 col4 = floor(runif(4, 0, 100)))

# 批量处理奇数列
df_new <- df %>%
  mutate(across(seq(1, ncol(.), 2), ~ ifelse(.[[cur_column() + 1]] < threshold, NA, .)))

# 查看处理结果
df_new

内容的提问来源于stack exchange，提问作者Dee G