R语言：如何在数据集特定子集中将多列指定值替换为NA？

原代码报错的核心原因是ifelse仅支持向量级别的运算，而df[, col]是一个多列的数据框，直接传入会导致维度不匹配，无法完成批量替换操作。

下面提供几种适配多列场景的可行方法：

方法1：Base R 循环处理 #

适合习惯原生R语法的场景，遍历目标列逐一替换：

cols <- c("x1", "x2")
for (col in cols) {
  df[df$id == "A" & df[[col]] == 99, col] <- NA
}

这段代码会循环每一列，仅在id == "A"的行中，将值为99的元素替换为NA，其他行保持不变。

方法2：dplyr 批量处理（推荐） #

如果使用tidyverse工具集，用mutate(across())可以更简洁地实现批量操作：
首先需要加载dplyr包：

library(dplyr)

cols <- c("x1", "x2")
df <- df %>%
  mutate(across(all_of(cols), ~ifelse(id == "A" & .x == 99, NA, .x)))

across()函数可以对指定列批量应用自定义逻辑，代码更简洁易读，适合处理大量列的场景。

方法3：data.table 高效处理 #

如果数据集非常大，推荐用data.table提升效率：

library(data.table)
setDT(df)

cols <- c("x1", "x2")
df[id == "A", (cols) := lapply(.SD, function(x) replace(x, x == 99, NA)), .SDcols = cols]

data.table的语法可以直接在指定分组（id == "A"）内对目标列进行修改，处理大数据集时速度更快。

运行上述任意一种方法后，得到的结果如下：

df
#   id x1 x2
# 1  A  1 NA
# 2  A NA  1
# 3  A  2 NA
# 4  A NA  2
# 5  B  3  3
# 6  B 99  4
# 7  B  5 99
# 8  B  6  6

可以看到仅id == "A"的行中，x1和x2的99被替换成了NA，其他行的99保持不变，符合需求。

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