如何在R中批量为x1至x20变量用中位数替换缺失值？

嘿，完全懂你不想写20遍重复代码的心情！这里有两种最常用的批量处理方法，帮你搞定x1到x20的缺失值替换：

方法一：Base R 原生实现（无需额外包） #

先生成目标列名，再用lapply循环处理每一列：

# 生成x1到x20的列名向量
target_cols <- paste0("x", 1:20)

# 批量替换缺失值为对应列的中位数
df[target_cols] <- lapply(df[target_cols], function(col) {
  ifelse(is.na(col), median(col, na.rm = TRUE), col)
})

解释一下：lapply会遍历target_cols里的每一列，对每一列执行你熟悉的缺失值替换逻辑，最后把处理后的结果赋值回原数据框的对应列，一步到位。

方法二：tidyverse（dplyr）简洁实现 #

如果你习惯用tidyverse生态，推荐用across函数（dplyr 1.0.0及以上版本支持），代码更直观：

library(dplyr)

# 批量处理x1到x20列
df <- df %>%
  mutate(across(paste0("x", 1:20), ~ifelse(is.na(.), median(., na.rm = TRUE), .)))

如果你的dplyr版本比较旧，可以用mutate_at替代：

df <- df %>%
  mutate_at(vars(paste0("x", 1:20)), ~ifelse(is.na(.), median(., na.rm = TRUE), .))

额外小技巧：如果你的目标列都是以x开头的（不止x1到x20），可以用starts_with("x")替代列名生成，更灵活：

df <- df %>%
  mutate(across(starts_with("x"), ~ifelse(is.na(.), median(., na.rm = TRUE), .)))

注意事项 #

• 确保所有目标列都是数值型，不然计算中位数会报错；如果有非数值列，记得先筛选掉或者转换类型。
• na.rm = TRUE一定要加，不然如果列里全是缺失值，中位数计算会返回NA，等于没处理。

内容的提问来源于stack exchange，提问作者San.O