如何在R中当指定列全为0时将对应行值替换为NA

我有一个包含数百列的DataFrame，仅关注其中5列（Col1至Col5）。当某行的这5列值全部为0时，需要将该行的这5列值替换为NA。

最初尝试的代码如下：

surveyclean$Col1[surveyclean$Col1 == 0 & 
                 surveyclean$Col2 == 0 &
                 surveyclean$Col3 == 0 & surveyclean$Col4 == 0 &
                 surveyclean$Col5 == 0] <- NA

但这个代码只能成功修改Col1，修改后续列时因Col1已变为NA，导致判断条件失效，无法完成替换。

示例数据 #

原始数据：

surveyclean
#> Col1        Col2      Col3       Col4   Col5
#> 0           0          0          0      0
#> 1           0          0          0      0
#> 0           0          0          0      0
#> 0           1          0          0      0
#> 0           0          0          0      0
#> 0           1          0          0      0

期望处理结果：

#> Col1        Col2      Col3       Col4   Col5
#> NA          NA         NA         NA     NA
#> 1           0          0          0      0
#> NA          NA         NA         NA     NA
#> 0           1          0          0      0
#> NA          NA         NA         NA     NA
#> 0           1          0          0      0

解决方案 #

方法一：Base R 实现 #

先筛选出5列全为0的行索引，再一次性对这些行的指定列赋值NA，避免修改单列后影响判断：

# 获取5列全为0的行索引
zero_rows <- rowSums(surveyclean[, c("Col1", "Col2", "Col3", "Col4", "Col5")] == 0) == 5

# 批量替换指定列为NA
surveyclean[zero_rows, c("Col1", "Col2", "Col3", "Col4", "Col5")] <- NA

解释：rowSums(...) == 5 会返回一个逻辑向量，标记出所有5列都为0的行；接着直接选中这些行和目标列，一次性赋值NA，不会出现修改一列后破坏判断条件的问题。

方法二：dplyr（tidyverse）实现 #

如果习惯使用tidyverse工具链，可以用mutate结合across批量处理：

library(dplyr)

surveyclean <- surveyclean %>%
  # 先标记全0行
  mutate(all_zero = rowSums(across(Col1:Col5) == 0) == 5) %>%
  # 对目标列批量替换
  mutate(across(Col1:Col5, ~ifelse(all_zero, NA, .x))) %>%
  # 删除临时标记列
  select(-all_zero)

内容的提问来源于stack exchange，提问作者cat_88