R中如何基于分组_na虚拟变量高效重编码分组虚拟变量

解决方案（tidyverse向量化实现，无需硬编码列名） #

直接通过动态匹配列前缀实现全数据集自动适配，代码如下：

library(tidyverse)

# 提取原始数据中所有因子类型的变量名
factor_vars <- df_raw %>% 
  select(where(is.factor)) %>% 
  colnames()

df_result <- df_dummy %>%
  mutate(
    # 批量匹配所有因子生成的虚拟变量列
    across(
      .cols = starts_with(factor_vars),
      .fns = ~ {
        # 动态提取当前列所属的分组前缀
        cur_prefix <- str_extract(cur_column(), "^[^_]+")
        # 匹配对应分组的NA标识列
        na_col <- paste0(cur_prefix, "_na")
        # 符合NA条件时赋值为NA，否则保留原值
        if_else(.data[[na_col]] == 1, NA_integer_, .x)
      }
    )
  )

运行后输出结果如下：

如果不需要保留xxx_na标识列，可在代码末尾追加%>% select(-ends_with("_na"))删除。

备选方案（for循环实现，可读性更强） #

如果偏好循环写法，可使用以下代码实现相同效果：

df_result <- df_dummy
factor_vars <- df_raw %>% select(where(is.factor)) %>% colnames()

for (prefix in factor_vars) {
  # 匹配当前分组下的所有虚拟列
  group_cols <- grep(paste0("^", prefix, "_"), colnames(df_result), value = TRUE)
  na_flag_col <- paste0(prefix, "_na")
  # 批量替换NA行
  df_result[df_result[[na_flag_col]] == 1, group_cols] <- NA
}

两种方案都支持任意数量的因子列自动适配，不需要修改代码即可适配新增的因子分组。

内容的提问来源于stack exchange，提问作者NorthNW