如何在R语言中批量将数据框所有列数值转换为Yes/No

嘿，这个需求太常见啦，完全不用写循环，R里有好几种高效的批量处理方式，我给你整理几个实用的方案：

这是最轻量化的选择，不用安装任何第三方库，直接利用基础R的lapply就能搞定：

# 批量替换所有列的数值为Yes/No
df[] <- lapply(df, function(col) ifelse(col >= 1, "Yes", "No"))

这里用df[]赋值而不是直接df <- ...，是为了保留原数据框的行名、列名等结构，让处理后的结果和原数据框格式完全一致。

如果你平时习惯用tidyverse生态的工具，dplyr的across()函数（新版本推荐）会让代码更直观：

# 先安装加载dplyr（没装的话先跑install.packages("dplyr")）
library(dplyr)

# 链式操作批量处理所有列
df <- df %>%
  mutate(across(everything(), ~ifelse(.x >= 1, "Yes", "No")))

# 如果你用的是旧版本dplyr，也可以用mutate_all()
df <- df %>%
  mutate_all(~ifelse(.x >= 1, "Yes", "No"))

这种写法的优势是可读性强，后续如果还要做其他数据清洗操作，可以直接在链式调用里继续添加步骤，非常流畅。

如果你的数据量后续还会增长，data.table的处理速度和内存效率会比前两种方法更出色：

# 先安装加载data.table（install.packages("data.table")）
library(data.table)

# 转换为data.table并原地批量修改
setDT(df)
df[, names(df) := lapply(.SD, function(x) ifelse(x >= 1, "Yes", "No"))]

data.table默认是原地修改数据，不会额外占用太多内存，对于超大数据集来说是最优解。

小提示 #

这些方法都是向量化操作，比手动写循环快得多——因为R的向量化函数是底层优化过的，避免了循环带来的性能损耗。对你现在6000行700列的数据来说，随便选哪种都能秒级完成。

内容的提问来源于stack exchange，提问作者AnonX