如何基于列名在R数据框中对重复列两两比较并替换值为NA？

数据集包含多列，每个样本对应两组重复数据：

• 重复组1列名格式：name_sample_1
• 重复组2列名格式：name_sample_1_2

需对每对重复列执行规则：当其中一列非0、另一列为0时，将两列对应值都替换为NA。

示例 #

原始数据 #

处理后结果 #

数据说明 #

数据框表头列名均符合上述成对重复的命名规则。

方式1：Tidyverse风格（推荐） #

适用于多组重复列批量处理，代码如下：

library(dplyr)
library(tidyr)

df <- your_data_frame  # 替换为你的数据框名称

# 提取所有重复组的基础名称
base_names <- unique(sub("_1(_2)?$", "", colnames(df)))

# 逐组处理每对列
for (name in base_names) {
  col1 <- paste0(name, "_1")
  col2 <- paste0(name, "_1_2")
  
  df <- df %>%
    mutate(
      across(c(col1, col2), 
             ~if_else((!!sym(col1) == 0 & !!sym(col2) != 0) | (!!sym(col1) != 0 & !!sym(col2) == 0), 
                      NA_real_, .x))
    )
}

方式2：基础R实现 #

无需额外包，代码如下：

df <- your_data_frame  # 替换为你的数据框名称

# 按基础名称分组列名
col_groups <- split(colnames(df), sub("_1(_2)?$", "", colnames(df)))

# 遍历每组列对
for (group in col_groups) {
  if (length(group) != 2) next
  col1 <- group[grepl("_1$", group)]
  col2 <- group[grepl("_1_2$", group)]
  
  # 定位需要替换的行
  replace_idx <- (df[[col1]] == 0 & df[[col2]] != 0) | (df[[col1]] != 0 & df[[col2]] == 0)
  
  # 替换为NA
  df[replace_idx, c(col1, col2)] <- NA
}

内容的提问来源于stack exchange，提问作者Julien Sade