在R中基于另一数据框的条件将数据框多值替换为NA

实现逻辑 #

• 先对规则表按分组字段聚合，合并同一分组下所有需要置为NA的列并自动去重，适配规则表存在重复group+subgroup的场景
• 遍历聚合后的规则，仅对目标数据框中匹配分组的行的指定列置NA，不会覆盖同分组其他不需要置NA的列
• 基于tidyverse原生函数实现，保证大规模数据集下的执行效率

示例数据构造 #

library(tidyverse)
# 构造目标数据框
df_target <- tibble(
  group = rep(c("A", "B", "A", "C"), each = 2),
  subgroup = rep(c("X", "Y", "X", "Z"), each = 2),
  val1 = rnorm(8),
  val2 = rnorm(8),
  val3 = rnorm(8),
  val4 = rnorm(8)
)

# 构造规则参考数据框（包含重复group+subgroup场景）
df_rule <- tibble(
  group = c("A", "A", "B", "A", "C"),
  subgroup = c("X", "X", "Y", "Y", "Z"),
  na_col = c("val1", "val2", "val3", "val1", "val4")
)

核心函数实现 #

batch_replace_na <- function(target_df, rule_df, group_cols = c("group", "subgroup"), rule_col = "na_col") {
  # 聚合规则：同分组的需置NA列合并去重，适配重复分组场景
  aggregated_rule <- rule_df %>%
    group_by(across(all_of(group_cols))) %>%
    summarise(
      na_cols = list(unique(.data[[rule_col]])),
      .groups = "drop"
    )
  
  # 遍历规则批量替换
  for (i in seq_len(nrow(aggregated_rule))) {
    # 提取当前规则的分组过滤条件
    filter_cond <- aggregated_rule[i, group_cols] %>%
      inner_join(target_df, by = group_cols)
    
    # 提取当前规则的需置NA列
    current_na_cols <- aggregated_rule$na_cols[[i]]
    
    # 仅对匹配行的指定列置NA
    target_df <- target_df %>%
      rows_update(
        filter_cond %>% mutate(across(all_of(current_na_cols), ~NA_real_)),
        by = group_cols
      )
  }
  
  return(target_df)
}

运行示例 #

# 执行替换
df_result <- batch_replace_na(df_target, df_rule)

# 查看结果
print(df_result)

适配说明 #

• 非数值列替换：可根据目标列类型替换代码中的NA_real_为对应类型的空值，如字符列用NA_character_，逻辑列用NA
• 自定义分组字段：如果你的分组字段名不是group和subgroup，可通过group_cols参数传入自定义的分组字段名向量
• 低版本R兼容：R 4.0以下版本可将函数内的.data[[rule_col]]替换为!!sym(rule_col)即可正常运行

内容的提问来源于stack exchange，提问作者caparks