R 基于前一列中的值替换多列中的值

我的示例数据如下所示（实际数据要大得多）

库（tidyverse，warn.conflications=F）
df一个使用
dplyr
和
purrr
的选项可以是：

bind_cols(df %>%
           select(1) %>%
           mutate_all(~ na_if(., 0)),
          map_dfc(.x = 2:length(df),
                  ~ df %>% 
                   mutate_at(vars(starts_with("chr")), ~ na_if(., 0)) %>%
                   transmute_at(vars(.x), ~ replace(., !!is.na(select(., .x - 1)), NA))))

   chr_x pos_x chr_y pos_some
   <dbl> <dbl> <dbl>    <dbl>
 1    NA    NA     1        1
 2    NA    NA     2        2
 3     1     3     3        3
 4     1     4     3        4
 5     1     5     3        5
 6     4     6     2        6
 7     4     7     1        7
 8     4     8     1        8
 9     5     9    NA       NA
10     5     0    NA       NA
11     6     1     1        1
12     7     2     5        2

bind_cols（df%>%
选择（1）%>%
变异所有（~na_如果（，0）），
映射_dfc（.x=2：长度（df），
~df%>%
在（变量（以“chr”开头）处突变，~na_如果（，0））%>%
transmute_at（vars（.x），~replace（，！！is.na（select（，.x-1）），na）））
chr_x pos_x chr_y pos_一些
1 NA NA 11
2 NA NA 2 2
3     1     3     3        3
4     1     4     3        4
5     1     5     3        5
6     4     6     2        6
7     4     7     1        7
8     4     8     1        8
959NA
1050NA
11     6     1     1        1
12     7     2     5        2
我们可以使用
基本R
。创建'chr'列（'i1'）的索引，将列'chr'子集，将对应于0的值转换为NA（'i2'），并通过与i2相乘来更新'i1'以及下一个（'i2'）的位置

i1 <- which(startsWith(names(df), 'chr'))
i2 <- NA^(df[i1] == 0)
df[i1] <- df[i1] * i2
df[i1 + 1] <- df[i1 + 1] * i2
df
# A tibble: 12 x 4
#   chr_x pos_x chr_y pos_some
#   <dbl> <dbl> <dbl>    <dbl>
# 1    NA    NA     1        1
# 2    NA    NA     2        2
# 3     1     3     3        3
# 4     1     4     3        4
# 5     1     5     3        5
# 6     4     6     2        6
# 7     4     7     1        7
# 8     4     8     1        8
# 9     5     9    NA       NA
#10     5     0    NA       NA
#11     6     1     1        1
#12     7     2     5        2

i1是一个非常漂亮的解决方案。这非常好。我以前没有见过这种符号。
NA^（df[i1]==0）
你能解释一下吗？似乎它将匹配值替换为
NA
和
1
@cropgen的所有其他值。它基于
NA^0
和
NA^1
，分别返回1和NA。逻辑向量TRUE/FALSE（
df[i1]==0
）在内部是
1/0
，因此会得到您注意到的行为谢谢您的解决方案，它可以工作，但看起来有点复杂。