有条件地更改与R中的多个列匹配的变量

我正在尝试清理调查数据集，但在条件方面遇到问题。感谢所有回答我最后一个问题的人，但这个问题有点不同，也让我感到困惑

我有一个类似下面的数据集。我试图写一份声明，以便：

• 如果X、Y和Z都为空！，它改变了那些#空！NA的条目。变量a代表集合中90多个我不想弄乱的其他变量
• 如果任何X、Y或Z中有数字，则#NULL将更改为0

下面是我构建的示例数据集，它显示了我的意思：

set.seed(2)
df <- data.frame(
  X = as.factor(sample(c("1.00", "#NULL!"), 10, replace = TRUE)),
  Y = as.factor(sample(c("2.00", "#NULL!"), 10, replace = TRUE)),
  Z = as.factor(sample(c("3.00", "#NULL!"), 10, replace = TRUE)),
  a = as.factor(sample(c("4.00", "#NULL!"), 10, replace = TRUE))
)
df

set.seed（2）
df-df
X Y Z a
1 1.00 2.00#空！4
2 1.00 2.00 3.00#无效！
3#零#空#无效的4
4#空！2.00   3.00   4.00
5 1.00#零！3.00#零！
6#零！2.00 3.00#空！
7#零#无效的3.00#零！
8#零#无效的3.00   4.00
9#零！2.00#零#无效的
10 1.00#零！3.00 4.00

在这种情况下，X、Y和Z的所有空值都应设为0，第3行除外，第3行应设为NA。a列应保持不变。有人知道怎么做吗？几个复杂的

ifelse（）

语句都不起作用，我一直在尝试修改别人为另一个问题建议的

dplyr

脚本，但我也无法让它起作用

---

谢谢大家!

由于列是

因子

，请创建

级别

“0”，并将级别“#NULL！”更改为“0”，并将所有0的行替换为NA

df[] <- lapply(df, function(x) {levels(x) <- c(levels(x), "0")
           levels(x)[levels(x) == "#NULL!"] <- "0"
        x})

df[rowSums(df == '0') == ncol(df), ] <- NA

---

这是一种迂回的方法，但首先将因子转换为数字会更容易得到结果

new.df<-df %>%
  mutate_if(is.factor, as.character) %>%               #convert columns to characters first
  mutate_if(is.character, as.numeric) %>%              #convert the characters to numeric
  mutate_if(is.numeric, replace_na, replace = 0) %>%   #replace all NAs with 0
  mutate(TEST = ifelse(X==0&Y==0&Z==0, NA, 0)) %>%     #create column to test for conditions
  mutate(X = ifelse(is.na(TEST), "#NULL!", X),
         Y = ifelse(is.na(TEST), "#NULL!", Y),
         Z = ifelse(is.na(TEST), "#NULL!", Z)) %>%     #replace NAs with initial NULL results
  select(-TEST)                                        #remove test column

new.df%
如果（is.factor，as.character）%>%，则进行变异#首先将列转换为字符
如果（is.character，as.numeric）%>%，则进行变异#将字符转换为数字
如果（is.numeric，replace_na，replace=0）%>%，则对所有NAs进行变异#将所有NAs替换为0
mutate（TEST=ifelse（X==0&Y==0&Z==0，NA，0））%>%#创建列以测试条件
变异（X=ifelse（is.na（TEST），“#NULL！”，X），
Y=ifelse（is.na（TEST），“#NULL！”，Y），
Z=ifelse（is.na（TEST），“#NULL！”，Z））%>%#用初始空结果替换NAs
选择（-TEST）#删除测试列

您想作为

因子

列或

数值

返回第3行的逻辑是什么？对于所有为空的任何行，将值替换为

NA

？很抱歉响应太晚-我需要将这些值作为因子返回，是的，所有为空->NA。XYZ都是种族变量，所以可能有一个或多个，但单个NA应该是0，因为它们回答了问题，而不是X。如果它们都为空，就好像它们没有回答问题。我对如何阅读这个有点困惑，因为我不熟悉

lappy

函数（查看它！）-这里的“x”应该是我的变量“x”、“Y”和“Z”吗？因为如果是这样的话，我会收到一条错误消息，上面写着

error in

[@anongard我用的是你的例子，但没有得到一个错误啊！我不知道我以前做错了什么，但我再试了一次，结果成功了。非常感谢！事实上，第一部分成功了。这是第二部分，df[rowSums]位，这就抛出了那个错误。我应该说我的数据集中有3个以上的列-这可能是问题吗？我正在研究语法，看看是否可以指定==0将导致NA的行。你知道一个解决方案吗？@anongard你的数据集中有所有列作为

factor

？对于

df==“0”

和

rowsumes（df==“0”）您得到的输出是什么

如果原始数据集与示例中的

n

列相似，那么它应该可以工作。最好显示与原始数据相似的示例数据，以便我们知道结构是如何工作的！我不知道我之前是如何错过了此响应的。谢谢！嗯。实际上，这其中的某些内容正在改变其余部分中的所有#NULL将我的数据集设置为0，这是我不想要的。我将继续使用此。。。

new.df<-df %>%
  mutate_if(is.factor, as.character) %>%               #convert columns to characters first
  mutate_if(is.character, as.numeric) %>%              #convert the characters to numeric
  mutate_if(is.numeric, replace_na, replace = 0) %>%   #replace all NAs with 0
  mutate(TEST = ifelse(X==0&Y==0&Z==0, NA, 0)) %>%     #create column to test for conditions
  mutate(X = ifelse(is.na(TEST), "#NULL!", X),
         Y = ifelse(is.na(TEST), "#NULL!", Y),
         Z = ifelse(is.na(TEST), "#NULL!", Z)) %>%     #replace NAs with initial NULL results
  select(-TEST)                                        #remove test column