R语言如何批量将dataframe指定列的99、999值替换为NA

不需要额外安装第三方包，直接将待处理的列按缺失值标记分组后批量操作即可：

1. 先定义两组待处理列，支持列名或列索引两种写法：

# 按列名定义
cols_99 <- c("variable1", "variable2", "variable3", "variable4")
cols_999 <- c("variable5", "variable6", "variable7")

# 列连续时可以用索引写法，更简洁
# cols_99 <- 1:4
# cols_999 <- 5:7

2. 批量替换对应值为NA

# 替换99为NA
dat[cols_99] <- lapply(dat[cols_99], function(x) {
  x[x == 99] <- NA
  return(x)
})

# 替换999为NA
dat[cols_999] <- lapply(dat[cols_999], function(x) {
  x[x == 999] <- NA
  return(x)
})

如果日常使用tidyverse生态工具，用across函数可以写出更简洁的代码：

library(dplyr)

dat <- dat %>%
  mutate(
    # 处理标记为99的列
    across(variable1:variable4, ~replace(.x, .x == 99, NA)),
    # 处理标记为999的列
    across(variable5:variable7, ~replace(.x, .x == 999, NA))
  )

如果列不是连续顺序，也可以把variable1:variable4替换为列名向量，比如c("variable1","variable3","variable4")。

• 如果待处理列是字符类型，需要把判断条件里的99/999加引号改为"99"/"999"
• 操作前可以先备份原始数据避免误改：dat_raw <- dat

内容的提问来源于stack exchange，提问作者Allan