R中如何用mutate实现多列按positive条件批量替换为NA

你可以直接复用已掌握的replace逻辑，通过dplyr的批量处理函数避免重复书写50次相同代码，以下是最适配现有写法的两种实现：

方法1：用across批量处理（推荐，dplyr 1.0.0+版本适用） #

这是当前tidyverse官方推荐的批量列操作写法，完全兼容你已经熟悉的mutate语法。

代码示例 #

library(dplyr)

df %>%
  mutate(across(
    # 第一步：指定需要处理的目标列，支持所有dplyr选列语法，可根据实际场景替换为你的选列规则：
    # 1. 若为明确列名：c(列1, 列2, ..., 列50)
    # 2. 若除positive列外都需要处理：-positive
    # 3. 若目标列有统一命名规则，比如以col_开头：starts_with("col_")
    c(a, b, d),
    # 第二步：直接复用你原本的替换逻辑，用.x指代当前遍历到的列即可
    ~ replace(.x, positive == 0, NA)
  ))

运行效果（以你提供的示例df为例） #

执行后输出结果为：

positive    a    b    d
1        1    x    z    1
2        1    x    z    2
3        0 <NA> <NA>   NA
4        0 <NA> <NA>   NA
5        1    y    z    5

方法2：旧版dplyr兼容写法 #

如果使用的是1.0.0之前版本的dplyr，可使用已软弃用但仍可正常运行的mutate_at实现相同效果：

df %>%
  mutate_at(vars(a, b, d), ~replace(., positive == 0, NA))

选列简化技巧 #

如果你的50个目标列不需要逐一列出，可灵活组合dplyr选列规则进一步减少工作量：

• 排除不需要处理的列：-c(positive, id, 日期) 即可选中除指定列外的所有列
• 按列类型选择：where(is.numeric) 选中所有数值列，where(is.character) 选中所有字符列
• 按列名特征选择：ends_with("_score") 选中所有后缀为_score的列

内容的提问来源于stack exchange，提问作者Chris_S