看起来is.nan不像is.na，它实际上没有 Dataframe 的方法。

is.nan.data.frame <- function(x)
do.call(cbind, lapply(x, is.nan))

data123[is.nan(data123)] <- 0

实际上，在R中，这个操作非常简单：
如果矩阵'a'包含一些NaN，您只需要使用以下代码将其替换为0：

a <- matrix(c(1, NaN, 2, NaN), ncol=2, nrow=2)
a[is.nan(a)] <- 0
a

如果 Dataframe 'B'包含一些NaN，则只需使用以下代码将其替换为0：

#for a data.frame: 
b <- data.frame(c1=c(1, NaN, 2), c2=c(NaN, 2, 7))
b[is.na(b)] <- 0
b

注意is.nan（矩阵）与is.na（ Dataframe ）的差异。
做

#...
b[is.nan(b)] <- 0
#...

产生：Error in is.nan(b) : default method not implemented for type 'list'，因为b是 Dataframe 。
注：针对小而混乱的错别字进行了编辑

下面的代码可以满足您的需要：

x <- data.frame(X1=sample(c(1:3,NaN), 200, replace=TRUE), X2=sample(c(4:6,NaN), 200, replace=TRUE))
head(x)
x <- replace(x, is.na(x), 0)
head(x)

下面是一个tidyverse解决方案，我用NaN和NA生成了样本数据，第一列已经完全完成。

df <- tibble(x = LETTERS[1:5],
             y = c(1:3, NaN, 4),
             z = c(rep(NaN, 3), NA, 5))

> df
# A tibble: 5 x 3
  x         y     z
  <chr> <dbl> <dbl>
1 A         1   NaN
2 B         2   NaN
3 C         3   NaN
4 D       NaN    NA
5 E         4     5

然后，我们可以将mutate_all与replace一起应用于 Dataframe ：

> df %>% 
+   mutate_all(~replace(., is.nan(.), 0))
# A tibble: 5 x 3
  x         y     z
  <chr> <dbl> <dbl>
1 A         1     0
2 B         2     0
3 C         3     0
4 D         0    NA 
5 E         4     5

我们已经将NaN值替换为零，并且既没有触及NA值，也没有触及x列。

更新为dplyr 1.0.0

由于mutate_all已弃用，我们现在可以使用across()重写表达式，如下所示：

> df %>% 
+   mutate(across(everything(), ~replace(.x, is.nan(.x), 0)))
# A tibble: 5 × 3
  x         y     z
  <chr> <dbl> <dbl>
1 A         1     0
2 B         2     0
3 C         3     0
4 D         0    NA
5 E         4     5