在R中基于member列使用tidyverse高效填充数据框虚拟值

这里有一个简洁且高效的实现方案，利用tidyverse的tidyr和dplyr工具，通过长表转宽表的思路批量处理，避免逐个列操作的繁琐：

library(tidyverse)

# 定义每个问题对应的填充值
fill_values <- tibble(
  question = c("q_c3", "q_c4", "q_c5", "q_c6", "q_c7"),
  value = list("Arne", 1L, 1900L, 0L, 0L)
)

df2 <- df %>%
  # 保留member列，把其他列转成长格式，拆分出问题类型和序号
  pivot_longer(
    cols = -member,
    names_to = c("question", "num"),
    names_pattern = "(q_c\\d)_(\\d)",
    values_to = "original_value"
  ) %>%
  # 转换序号为数值型，方便比较
  mutate(num = as.integer(num)) %>%
  # 关联填充值规则
  left_join(fill_values, by = "question") %>%
  # 当序号 <= member时，用填充值替换NA，否则保留原数值
  mutate(
    final_value = case_when(
      num <= member ~ unlist(value),
      TRUE ~ original_value
    ),
    # 恢复原数据类型（避免字符型转换导致的类型混乱）
    final_value = if_else(question == "q_c3", final_value, as.integer(final_value))
  ) %>%
  # 转回宽格式，恢复原有列名结构
  pivot_wider(
    id_cols = member,
    names_from = c(question, num),
    values_from = final_value,
    names_sep = "_"
  ) %>%
  # 保证行顺序和原数据完全一致
  arrange(match(member, df$member))

# 验证结果，和期望的df2一致
print(df2)

核心步骤说明： #

• 转长表统一处理：用pivot_longer把分散的q_cX_Y列拆分为question（问题类型，如q_c3）和num（序号，如1）两列，这样所有同类型的问题可以批量处理，不用逐个列写逻辑。
• 填充规则模块化：提前用tibble定义每个问题对应的填充值，后续修改或新增规则时只需调整这个表即可，扩展性极强。
• 条件填充逻辑：通过num <= member判断当前行是否需要填充，用case_when批量替换NA值，同时特意处理了数据类型，避免字符型和整数型混装导致的问题。
• 转回宽表恢复结构：用pivot_wider还原成原有的列名格式，最后用arrange保证行顺序和原始数据完全匹配。

这个方案的优势在于，不管后续新增多少问题类型或序号，都不需要修改核心逻辑，只需要调整填充规则和正则表达式即可，非常适合这类批量列处理的场景。

内容的提问来源于stack exchange，提问作者DanG