如何用R语言的dplyr包根据其他列条件修改多列值？

原始数据框 #

需求 #

当cond1和cond2列的值均为0时，将a、b列设置为0，c、d列设置为1，其余行保留原数值。处理后的理想结果如下：

理想结果数据框 #

生成原始数据的R代码 #

library(tidyverse)
cond1 = c(1,1,0,0,1,1)
cond2 = c(0,0,0,0,1,1)
a = c(98,45,34,21,1,34)
b = c(89,54,233,12,1,4)
c = c(78,34,56,4,2,123)
d = c(89,56,67,78,89,2)
data = tibble(cond1,cond2,a,b,c,d);data

dplyr实现方案 #

方法1：逐列使用case_when #

直接对每一列单独设置条件逻辑，适合列数较少的场景：

data_processed <- data %>%
  mutate(
    a = case_when(cond1 == 0 & cond2 == 0 ~ 0, TRUE ~ a),
    b = case_when(cond1 == 0 & cond2 == 0 ~ 0, TRUE ~ b),
    c = case_when(cond1 == 0 & cond2 == 0 ~ 1, TRUE ~ c),
    d = case_when(cond1 == 0 & cond2 == 0 ~ 1, TRUE ~ d)
  )

方法2：使用across批量处理列 #

利用across函数对同规则的列批量操作，代码更简洁高效，适合列数较多的场景：

data_processed <- data %>%
  mutate(
    # 对a、b列应用相同规则：满足条件时设为0，否则保留原值
    across(c(a, b), ~ case_when(cond1 == 0 & cond2 == 0 ~ 0, TRUE ~ .x)),
    # 对c、d列应用相同规则：满足条件时设为1，否则保留原值
    across(c(c, d), ~ case_when(cond1 == 0 & cond2 == 0 ~ 1, TRUE ~ .x))
  )

运行上述代码后，data_processed即为符合需求的数据框。

内容的提问来源于stack exchange，提问作者Homer Jay Simpson