如何使用dplyr批量替换多变量中的-999为NA（含同类/异类变量）

方法1：替换所有变量（tidyverse） #

用dplyr的across()结合na_if()可以快速将所有列中的-999替换为NA，代码简洁直观：

library(dplyr)

# 处理第一个数据框df
df_clean <- df %>%
  mutate(across(everything(), na_if, y = -999))

# 处理第二个数据框df.2（所有变量替换）
df.2_clean_all <- df.2 %>%
  mutate(across(everything(), na_if, y = -999))

across(everything())选中数据框的所有列，na_if()会自动将指定值（此处为-999）替换为NA。

方法2：替换指定变量（含模式匹配的变量） #

如果仅需替换age、money.usd以及所有以cars.开头的变量，可结合列名匹配函数实现：

# 处理df.2，指定目标变量替换
df.2_clean_target <- df.2 %>%
  mutate(across(c(age, money.usd, starts_with("cars")), na_if, y = -999))

• starts_with("cars")会匹配所有以cars开头的列（如cars.1、cars.2）
• 若需更精准的正则匹配，可改用matches("^cars\\.")，仅匹配以cars.开头的列

方法3：Base R 实现 #

如果不使用tidyverse，Base R也能完成需求：

# 所有变量替换
df_clean_base <- df
df_clean_base[df_clean_base == -999] <- NA

# 指定变量替换
# 先筛选目标列名
target_vars <- c("age", "money.usd", grep("^cars\\.", names(df.2), value = TRUE))
df.2_clean_base <- df.2
df.2_clean_base[target_vars][df.2_clean_base[target_vars] == -999] <- NA

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