如何在R中通过函数或循环批量mutate变量，符合条件时赋值为NA

方案1：tidyverse 批量处理（推荐） #

利用dplyr::across()函数批量匹配规则命名的变量，无需逐个硬编码，适配你现有的管道处理逻辑：

library(tidyverse)

# 自动提取所有n_开头的频数变量的公共后缀
var_suffix <- str_remove(names(df)[str_starts(names(df), "n_")], "^n_")

# 若变量命名无统一规则，也可以手动指定后缀列表，示例：
# var_suffix <- c("lep", "eco", "fem", "age", "edu") # 补全你需要处理的所有变量后缀即可

df <- df %>%
  mutate(
    # 批量处理所有频数变量：取值小于5设为NA
    across(starts_with("n_"), ~ ifelse(.x < 5, NA, .x)),
    # 批量匹配对应百分比变量：关联的频数小于5则设为NA
    across(starts_with("p_"), ~ ifelse(get(paste0("n_", str_remove(cur_column(), "^p_"))) < 5, NA, .x))
  )

方案2：基础R循环实现 #

如果偏好基础R语法，用循环遍历变量列表实现，逻辑更直观易调试：

# 定义需要处理的变量公共后缀
var_suffix <- c("lep", "eco", "fem") # 补全所有需要处理的变量后缀

for (suf in var_suffix) {
  n_col <- paste0("n_", suf)
  p_col <- paste0("p_", suf)
  # 处理对应频数变量
  df[[n_col]] <- ifelse(df[[n_col]] < 5, NA, df[[n_col]])
  # 处理对应百分比变量
  df[[p_col]] <- ifelse(df[[n_col]] < 5, NA, df[[p_col]])
}

内容的提问来源于stack exchange，提问作者jlee