如何在R中根据SURVEY_MIN列替换指定数据框列的不匹配值为NA

需求 #

给定名为df的数据框，需将以下指定列中与SURVEY_MIN列值不匹配的元素替换为NA：

• PhysicalActivity_yn_agesurvey
• smoker_former_or_never_yn_agesurvey
• NOT_RiskyHeavyDrink_yn_agesurvey
• Not_obese_yn_agesurvey
• HEALTHY_Diet_yn_agesurvey

数据框结构 #

df <- structure(list(PhysicalActivity_yn_agesurvey = c(58, 47, 47, 
50, 53, 59), smoker_former_or_never_yn_agesurvey = c(58, 47, 
47, 50, 53, 59), NOT_RiskyHeavyDrink_yn_agesurvey = c(59, 48, 
47, 50, 53, 59), Not_obese_yn_agesurvey = c(58, 47, 47, 50, 53, 
59), HEALTHY_Diet_yn_agesurvey = c(58, 47, 47, 50, 53, 59), SURVEY_MIN = c(58, 
47, 47, 50, 53, 59)), row.names = c(NA, 6L), class = "data.frame")

问题分析 #

你尝试的第一种代码会修改所有列（包括SURVEY_MIN），不符合需求；第二种代码逻辑正确但写法冗余，列数多时易出错。

解决方案 #

方法1：使用dplyr包（代码清晰，推荐）

依赖dplyr包，用mutate(across(...))批量处理指定列：

library(dplyr)

# 定义目标列
target_cols <- c("PhysicalActivity_yn_agesurvey", "smoker_former_or_never_yn_agesurvey", 
                 "NOT_RiskyHeavyDrink_yn_agesurvey", "Not_obese_yn_agesurvey", 
                 "HEALTHY_Diet_yn_agesurvey")

# 批量替换
df <- df %>%
  mutate(across(all_of(target_cols), ~ifelse(.x != SURVEY_MIN, NA, .x)))

方法2：基础R实现（无需额外包）

用lapply遍历指定列，完成替换：

target_cols <- c("PhysicalActivity_yn_agesurvey", "smoker_former_or_never_yn_agesurvey", 
                 "NOT_RiskyHeavyDrink_yn_agesurvey", "Not_obese_yn_agesurvey", 
                 "HEALTHY_Diet_yn_agesurvey")

df[target_cols] <- lapply(df[target_cols], function(x) ifelse(x != df$SURVEY_MIN, NA, x))

方法3：向量化操作（高效简洁）

利用矩阵广播特性直接替换：

target_cols <- c("PhysicalActivity_yn_agesurvey", "smoker_former_or_never_yn_agesurvey", 
                 "NOT_RiskyHeavyDrink_yn_agesurvey", "Not_obese_yn_agesurvey", 
                 "HEALTHY_Diet_yn_agesurvey")

df[target_cols][df[target_cols] != df$SURVEY_MIN] <- NA

效果验证 #

执行后查看df，会发现NOT_RiskyHeavyDrink_yn_agesurvey列的第1、2行值被替换为NA，其余列保留与SURVEY_MIN匹配的值。

内容的提问来源于stack exchange，提问作者Achal Neupane