如何使用R包memisc批量设置data.set中所有项的缺失值？

Memisc是一款用于便捷处理调查数据的R包，它使用名为data.set的数据类型，该类型是item的列表，item类似于数据框中的因子/变量。我有一个data.set，其中-99代表拒绝回答的缺失值，NA代表不适用的情况。我想要为所有170个项设置missing.values(data$item) = c(-99)，有没有简便方法，不用逐个复制粘贴修改？理想情况是不用for循环，但如果循环可行也希望了解方法。

补充说明 #

无法用dput()提供可复现数据，参考Memisc文档时发现foreach()函数似乎可用，但需要手动列所有列名，示例如下：

ds <- data.set(
a = c(1,2,3,2,3,8,9),
b = c(2,8,3,2,1,8,9),
c = c(1,3,2,1,2,8,8)
)

ds <- within(ds,{
    foreach(x=c(a,b,c),{ # Lazy data documentation:
    labels(x) <- c( # a,b,c get value labels in one statement
        one = 1,
        two = 2,
        three = 3,
        "don't know" = 8,
        "refused to answer" = 9)
    missing.values(x) <- c(8,9)
    })
})

但我想知道是否可以用foreach()或for()指定“所有项”，即便不知道项的数量？虽然ds是列表（data.set属于列表的一种），但以下代码无效：

ds <- within(ds, {
    foreach(x=ds, missing.values(x) <- c(3))
    })
missing.values(ds$a)  #still 8 and 9, not 3

方法1：用foreach结合列名批量处理 #

在within环境中不能直接遍历ds，需要通过列名引用元素。用names(ds)获取所有列名，循环中通过get(x)取出对应item，修改后再赋值回去：

ds <- within(ds, {
    foreach(x = names(ds), {
        item <- get(x)
        missing.values(item) <- c(-99)
        assign(x, item)
    })
})

方法2：用for循环遍历列名 #

这是最直接的方法，170列的规模完全不会有性能问题：

for (col in names(ds)) {
    missing.values(ds[[col]]) <- c(-99)
}

方法3：用lapply批量转换 #

利用data.set的列表特性，用lapply遍历每个item修改缺失值，最后重新转为data.set类型：

ds <- as.data.set(lapply(ds, function(item) {
    missing.values(item) <- c(-99)
    return(item)
}))

验证示例 #

用补充说明中的测试数据验证方法2：

ds <- data.set(
a = c(1,2,3,2,3,8,9),
b = c(2,8,3,2,1,8,9),
c = c(1,3,2,1,2,8,8)
)

for (col in names(ds)) {
    missing.values(ds[[col]]) <- c(-99)
}

missing.values(ds$a) # 输出 c(-99)，符合预期

内容的提问来源于Stack Exchange，提问作者Ellie