R语言如何将数千列中的NA值替换为另一指定列的对应值

报错原因 #

• 第一个invalid factor level警告：需要填充的目标列是因子类型，var_fill列的部分取值不在目标列的预设层级范围内，R默认不允许因子插入非层级内的值，因此生成无效NA。
• 第二个number of items to replace is not a multiple of replacement length警告：原写法中对每列单独传入完整的var_fill向量做替换，部分场景下会触发R的长度校验逻辑，同时该写法需要遍历数千次全量数据，效率极低，不适合24万行的大数据集。

解决方案 #

Base R 修正版 #

适合不想额外装包的场景：

vars <- sprintf("var%0.4d",seq(1:2493))
# 1. 统一目标列与填充列的类型，避免因子层级问题
dta1[vars] <- lapply(dta1[vars], function(x) as(x, class(dta1$var_fill)))
# 2. 批量定位NA位置后一次性替换，避免长度匹配问题
na_mask <- is.na(dta1[vars])
dta1[vars][na_mask] <- rep(dta1$var_fill, length(vars))[na_mask]

大数据优化版（推荐） #

使用data.table处理，内存占用低、速度提升10倍以上，适合万级列、十万级行的数据集：

install.packages("data.table") # 未装包先执行该行
library(data.table)
setDT(dta1) # 将数据转为data.table格式
# 一次遍历完成所有目标列的NA替换
dta1[, (vars) := lapply(.SD, function(x) fifelse(is.na(x), var_fill, x)), .SDcols = vars]
# 处理完成后如果需要转回data.frame格式，执行：setDF(dta1)

注意事项 #

如果业务要求目标列必须保留因子类型，替换前需要先将var_fill的所有取值加入目标列的因子层级，否则依然会触发类型报错。

内容的提问来源于stack exchange，提问作者JeniFav