R语言合并4个DataFrame并替换指定字符串的高效方法求助

一、替换指定值为NA #

你可以通过dplyr的条件赋值或者data.table的行索引赋值，快速将Grade列的"Grade"值、level列的"level"值替换为NA：

用dplyr实现 #

df_cleaned <- df %>%
  mutate(
    Grade = ifelse(Grade == "Grade", NA, Grade),
    level = ifelse(level == "level", NA, level)
  )

如果需要批量处理多列，也可以用across简化代码：

df_cleaned <- df %>%
  mutate(across(c(Grade, level), ~ifelse(.x == cur_column(), NA, .x)))

用data.table实现（更高效） #

# 直接在合并后的data.table上修改
df_cleaned <- df %>%
  setDT() %>%
  .[Grade == "Grade", Grade := NA] %>%
  .[level == "level", level := NA]

二、更高效的合并方式 #

原代码用rbind合并多个数据框的效率一般，当数据量较大时，推荐用data.table的rbindlist函数，它专门针对列表形式的多个数据框做了优化，合并速度更快，还能直接完成列名修改和值替换：

library(data.table)

# 将多个数据框存入列表
dt_list <- list(A, B, C, D)

# 一步完成合并、重命名、值替换
df_final <- rbindlist(dt_list) %>%
  setnames(c("V1", "V2", "V3"), c("ID", "Grade", "level")) %>%
  .[Grade == "Grade", Grade := NA] %>%
  .[level == "level", level := NA]

为什么更高效？ #

rbindlist内部采用了向量化操作，避免了rbind的循环绑定开销，尤其是当数据框数量多、行数多的时候，性能提升会很明显；同时data.table的原地修改语法（:=）不需要复制整个数据框，内存占用也更低。

内容的提问来源于stack exchange，提问作者user20137369