如何在R语言中更新特定列值、处理重复ID及替换NA值

问题描述 #

给定如下R数据框：

dat<-read.table (text=" ID    Time    B1  T1  Q1  W1  M1
    1   12  12  0   12  11  9
    1   13  0   1   NA  NA  NA
    2   10  12  0   6   7   8
    2   14  0   1   NA  NA  NA
    1   16  16A 0   1   2   4
    1   14  0   1   NA  NA  NA
    2   14  16A 0   5   6   7
    2   7   0   1   NA  NA  NA
    1   7   20  0   5   8   0
    1   7   0   1   NA  NA  NA
    2   9   20  0   7   8   1
    2   9   0   1   NA  NA  NA

    ", header=TRUE)

需要完成两项数据处理：

• 按ID分组，对每组中T1值为1的行，按出现顺序依次将T1更新为1、2、3……（首次出现设为1，第二次设为2，以此类推）
• 将数据中的所有NA替换为空单元格

预期输出结果如下：

ID  Time    B1  T1  Q1  W1  M1
1   12  12  0   12  11  9
1   13  0   1           
2   10  12  0   6   7   8
2   14  0   1           
1   16  16A 0   1   2   4
1   14  0   2           
2   14  16A 0   5   6   7
2   7   0   2           
1   7   20  0   5   8   0
1   7   0   3           
2   9   20  0   7   8   1
2   9   0   3

解决方案 #

使用dplyr包可以高效实现分组编号与NA替换：

# 加载dplyr包
library(dplyr)

# 数据处理流程
dat_processed <- dat %>%
  # 按ID分组
  group_by(ID) %>%
  # 仅对T1=1的行按出现顺序生成序号，其余行保留原T1值
  mutate(T1 = ifelse(T1 == 1, row_number()[T1 == 1][cumsum(T1 == 1)], T1)) %>%
  ungroup() %>%
  # 将所有列的NA替换为空字符串
  mutate(across(everything(), ~ifelse(is.na(.), "", .)))

# 打印处理后的数据，空值显示为空白单元格
print(dat_processed, na.print = "")

代码说明 #

1. 分组编号：通过group_by(ID)按ID分组，结合row_number()和cumsum(T1 == 1)，精准定位每组中T1=1的行，按出现顺序生成连续编号，不影响T1≠1的行。
2. NA替换：用across(everything(), ...)遍历所有列，将NA替换为空字符串；打印时通过na.print = ""确保空值显示为空白单元格，匹配预期格式。

内容的提问来源于stack exchange，提问作者user330