在R中基于其他列条件将资产列NA值替换为0的实现方法

问题说明 #

我有一个包含多列家庭资产数量的数据框，列名以asset_开头。需要实现以下逻辑：

• 当某行至少有一个asset_列存在非NA值时，将该行所有asset_列的NA值设为0；
• 若某行所有asset_列均为NA，则保持NA不变。

示例输入数据框：

dat <- data.frame(asset_1 = c(NA, 2, NA), asset_2 = c(1,3,NA), asset_3 = c(NA, NA, NA))

期望输出：

asset_1 asset_2 asset_3
1       0       1       0
2       2       3       0
3      NA      NA      NA

解决方案 #

使用dplyr实现 #

方法1：借助辅助列判断

先创建辅助列标记该行是否存在非NA的资产值，再批量处理目标列：

library(dplyr)

dat_processed <- dat %>%
  # 计算每行非NA的asset列数量，标记是否存在非NA值
  mutate(has_non_na = rowSums(!is.na(across(starts_with("asset_")))) > 0) %>%
  # 对每个asset列，有非NA值的行替换NA为0，否则保留原数据
  mutate(across(starts_with("asset_"), ~if_else(has_non_na, replace_na(., 0), .))) %>%
  # 移除辅助列
  select(-has_non_na)

print(dat_processed)

方法2：无辅助列的简洁写法

利用pick()函数直接在across()中获取所有资产列，省去额外辅助列：

library(dplyr)

dat %>%
  mutate(across(starts_with("asset_"), 
                ~if_else(rowSums(!is.na(pick(starts_with("asset_")))) > 0, 
                         replace_na(., 0), 
                         .)))

高效替代方案：data.table #

针对大数据框，data.table的运算效率更优：

library(data.table)

# 转换为data.table格式
setDT(dat)
# 筛选所有asset_开头的列名
asset_cols <- grep("^asset_", names(dat), value = TRUE)

# 标记每行是否存在非NA的资产值
dat[, has_non_na := rowSums(!is.na(.SD)) > 0, .SDcols = asset_cols]
# 批量替换NA为0
dat[, (asset_cols) := lapply(.SD, function(x) ifelse(has_non_na, replace_na(x, 0), x)), .SDcols = asset_cols]
# 删除辅助列
dat[, has_non_na := NULL]

print(dat)

内容的提问来源于stack exchange，提问作者Giacomo Oliva