如何用tidyverse根据癌症表型缺失将对应年龄变量设为NA

要实现“当癌症表型变量缺失时，将对应年龄变量设为NA”的需求，关键是为每个*_age变量匹配对应的cancer_*变量，利用across()结合字符串处理和变量引用即可完成：

library(tidyverse)

set.seed(42)
cancer_ds <- data.frame(id = 1000:1009,
                        cancer_a = rep(0:1, length = 10), 
                        cancer_b = c(rep(0, 3), NA, NA, 1, NA, rep(1, 3)), 
                        cancer_c = c(rep(0:1, each = 2, len = 6), rep(NA, 4)), 
                        a_age = sample(30:60, 10, FALSE), 
                        b_age = sample(30:60, 10, FALSE), 
                        c_age = sample(30:60, 10, FALSE)
)

# 核心实现代码
out_ds <- cancer_ds %>%
  mutate(
    across(
      ends_with("age"),
      ~ifelse(
        is.na(!!sym(str_c("cancer_", str_remove(cur_column(), "_age")))),
        NA,
        .x
      )
    )
  )

# 验证结果与期望输出一致
all.equal(out_ds, out_ds_exp)

代码说明 #

• ends_with("age")：选中所有以age结尾的年龄变量
• cur_column()：获取当前正在处理的年龄列名（如a_age）
• str_remove(cur_column(), "_age")：提取年龄变量的前缀（如从a_age得到a）
• str_c("cancer_", ...)：拼接成对应的癌症表型变量名（如cancer_a）
• !!sym(...)：将字符串形式的变量名转换为可引用的列变量
• ifelse(is.na(...), NA, .x)：当对应癌症表型为NA时，将年龄设为NA，否则保留原值

该方案无需手动指定每一组变量，可自动适配20余种癌症类型的数据集。

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