使用dplyr过滤后将非过滤列的空值替换为零的实现方法

嘿，我来帮你搞定这个NA替换的问题！你提到的mutate_at其实完全可行，不过现在dplyr有更现代的写法，我给你几种靠谱的解决方案：

方法1：使用mutate_at（兼容旧版dplyr） #

这就是你想到的方法，写法很直接，指定要操作的列，然后用replace把NA替换成0：

temp %>% 
  filter(Publication.type == "Link") %>% 
  mutate_at(vars(Clicks_30min), ~replace(., is.na(.), 0))

• vars(Clicks_30min)：明确要处理的目标列
• ~replace(., is.na(.), 0)：lambda函数，把当前列（.指代）中的NA替换为0

方法2：使用mutate(across(...))（dplyr 1.0.0+推荐写法） #

现在dplyr官方更推荐用across来替代mutate_at，写法更统一，还能轻松扩展到多列：

temp %>% 
  filter(Publication.type == "Link") %>% 
  mutate(across(Clicks_30min, ~replace(., is.na(.), 0)))

如果需要同时处理多列，只要把列名放进向量就行，比如across(c(Clicks_30min, Clicks_60min), ...)

方法3：使用coalesce（最简洁直观） #

dplyr里的coalesce函数专门用来取第一个非NA的值，用它来替换NA为0超级简洁，可读性拉满：

temp %>% 
  filter(Publication.type == "Link") %>% 
  mutate(Clicks_30min = coalesce(Clicks_30min, 0))

一眼就能看出来是把Clicks_30min里的NA替换成0，完全不用复杂的嵌套逻辑。

关于你之前用mutate出错的可能原因 #

如果之前直接用mutate报错，大概率是写法细节问题，其实直接用mutate搭配replace也是可行的，比如：

temp %>% 
  filter(Publication.type == "Link") %>% 
  mutate(Clicks_30min = replace(Clicks_30min, is.na(Clicks_30min), 0))

可以检查下是不是之前的代码里少了赋值（比如没写Clicks_30min =），或者列名拼写有误~

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