如何用R根据行内数值分布条件批量替换数据框的NA值？

核心逻辑：仅当某行的目标变量中不存在0，只有1和NA时，将该行的NA替换为0；若行内同时存在0和NA，则保留NA。

示例数据 #

先还原你的示例数据集：

A = c(1,0,1,NA,NA,NA,NA,1,0,1,1)
B = c(1,0,1,1,1,NA,1,1,0,0,1)
C = c(0,0,NA,1,0,0,1,1,1,0,1)
D = c(0,0,1,0,1,0,0,1,0,1,1)

data <- data.frame(A,B,C,D)

方法1：使用dplyr的rowwise（直观易读） #

适合需要清晰展示逻辑的场景，数千行数据完全够用：

library(dplyr)

data_cleaned <- data %>%
  rowwise() %>%
  # 新增辅助列：判断当前行是否没有0（所有非NA值都是1）
  mutate(no_zero = all(c_across(A:D) %in% c(1, NA), na.rm = TRUE)) %>%
  # 遍历目标变量，符合条件则替换NA为0
  mutate(across(A:D, ~ ifelse(no_zero & is.na(.), 0, .))) %>%
  ungroup() %>%
  select(-no_zero) # 移除辅助列

方法2：向量化操作（高效适合大数据） #

避免rowwise的性能开销，处理数万行数据更高效：

# 先判断每行是否不存在0
has_no_zero <- apply(data, 1, function(x) !any(x == 0, na.rm = TRUE))

# 复制原数据并替换符合条件的NA
data_cleaned <- data
data_cleaned[has_no_zero & is.na(data_cleaned)] <- 0

处理后结果 #

执行上述任意方法后，第3行的NA会被替换为0，其他行的NA保留：

A B C D
1   1 1 0 0
2   0 0 0 0
3   1 1 0 1
4  NA 1 1 0
5  NA 1 0 1
6  NA NA 0 0
7  NA 1 1 0
8   1 1 1 1
9   0 0 1 0
10  1 0 0 1
11  1 1 1 1

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