如何使用dplyr批量将质控列为指定值的对应数值列设为NA

我有一个包含多列数值数据的dataframe，每列数值数据都对应有配对的质控列。如下示例中，dat是一个tibble对象，包含数值列v1、v3，分别配对质控列v1_a、v3_a，v2没有对应的质控列。

我需要实现如下需求：当v1_a、v3_a中的对应值为"A"或"D"时，将v1、v3的对应值设置为NA_real_。我希望得到基于dplyr、使用%>%管道符的实现方案，且该方案可扩展适配任意数量的数值-质控配对列。

示例数据 #

set.seed(10)
dat   <- tibble(v1 = runif(10)
                , v1_a = c("A", "A", NA, "B", NA, NA, NA, "D", NA, "A" )
                , v2 = runif(10)
                , v3 = runif(10)
                , v3_a = c(NA, "A", "D", "B", NA, "A", NA, "A", NA, "A" ))

dat
#>         v1 v1_a      v2    v3 v3_a 
#>  1 0.53600    A 0.27529 0.354   NA   
#>  2 0.09315    A 0.22890 0.936    A    
#>  3 0.16980   NA 0.01438 0.246    D    
#>  4 0.90022    B 0.72931 0.473    B    
#>  5 0.42318   NA 0.24990 0.192   NA   
#>  6 0.74776   NA 0.16081 0.583    A    
#>  7 0.82346   NA 0.01698 0.459   NA   
#>  8 0.95523    D 0.48581 0.467    A    
#>  9 0.68522   NA 0.10279 0.400   NA   
#> 10 0.50125    A 0.80199 0.505    A     

预期输出 #

#>         v1 v1_a      v2     v3 v3_a 
#>  1     NA    A 0.27529  0.354   NA   
#>  2     NA    A 0.22890     NA    A    
#>  3 0.1698   NA 0.01438     NA    D    
#>  4 0.9002    B 0.72931  0.473    B    
#>  5 0.4232   NA 0.24990  0.192   NA   
#>  6 0.7478   NA 0.16081     NA    A    
#>  7 0.8235   NA 0.01698  0.459   NA   
#>  8     NA    D 0.48581     NA    A    
#>  9 0.6852   NA 0.10279  0.400   NA   
#> 10     NA    A 0.80199     NA    A 

现有实现（逐列处理） #

rmkQC <- c("A","D")  # 需要筛除的质控值向量
    
dat %>%
  mutate(v1 = case_when(v1_a %in% rmkQC ~ NA_real_, TRUE ~ v1),
         v3 = case_when(v3_a %in% rmkQC ~ NA_real_, TRUE ~ v3))

我已经可以通过如下代码识别所有配对列：

colQC <- names(dat)[grep("_a" , names(dat))]
colV  <- sub("_a$","",colQC)

请问如何实现适配任意数量配对列的通用批量处理逻辑？

使用dplyr::across()批量遍历数值列，结合动态列名引用即可实现通用逻辑，完全兼容管道写法：

library(dplyr)

rmkQC <- c("A","D")

dat_processed <- dat %>%
  mutate(
    across(all_of(colV), 
           ~ case_when(
               .data[[paste0(cur_column(), "_a")]] %in% rmkQC ~ NA_real_,
               TRUE ~ .x
             ))
  )

逻辑说明 #

• across(all_of(colV)) 遍历所有匹配到的带质控列的数值列，自动适配任意数量的配对列
• cur_column() 获取当前正在处理的数值列名称，拼接_a后缀即可匹配到对应的质控列
• .data[[ ]] 是dplyr提供的动态列引用代词，避免非标准评估导致的变量识别报错
• 核心逻辑和你原有逐列case_when的写法完全一致，仅做了批量封装

如果需要把配对列识别的逻辑也整合到管道中，可直接写成一站式实现：

rmkQC <- c("A","D")

dat_processed <- dat %>%
  {
    colQC <- names(.)[grep("_a$", names(.))]
    colV <- sub("_a$", "", colQC)
    mutate(., across(all_of(colV), 
                     ~ case_when(
                       .data[[paste0(cur_column(), "_a")]] %in% rmkQC ~ NA_real_,
                       TRUE ~ .x
                     )))
  }

内容的提问来源于stack exchange，提问作者greengrass62