用值替换R data.table中的所有缺失值

Question

如果你有一个缺少值的R data.table，你如何用值0替换所有这些值？ E.g。

aa = data.table(V1=1:10,V2=c(1,2,2,3,3,3,4,4,4,4))
bb = data.table(V1=3:6,X=letters[1:4])
setkey(aa,V1)
setkey(bb,V1)
tt = bb[aa]

    V1  X V2
 1:  1 NA  1
 2:  2 NA  2
 3:  3  a  2
 4:  4  b  3
 5:  5  c  3
 6:  6  d  3
 7:  7 NA  4
 8:  8 NA  4
 9:  9 NA  4
10: 10 NA  4

任何方式在一行中执行此操作？如果它只是一个矩阵，你可以这样做：

tt[is.na(tt)] = 0

Answer 1

is.na（是一个原始的）具有相对非常少的开销，并且通常非常快。因此，您只需遍历列并使用set替换NA with 0`。

使用<-分配将导致所有列的副本，这不是使用data.table的惯用方式。

首先，我将说明如何执行此操作然后显示慢如何可以获取大量数据（由于副本）：

有效地实现这一目标的一种方法：

for (i in seq_along(tt)) set(tt, i=which(is.na(tt[[i]])), j=i, value=0)

这里会收到一个警告，“0”被强制转换为字符以匹配列的类型。你可以忽略它。

为什么不在这里使用<-：

# by reference - idiomatic way
set.seed(45)
tt <- data.table(matrix(sample(c(NA, rnorm(10)), 1e7*3, TRUE), ncol=3))
tracemem(tt)
# modifies value by reference - no copy
system.time({
for (i in seq_along(tt)) 
    set(tt, i=which(is.na(tt[[i]])), j=i, value=0)
})
#   user  system elapsed 
#  0.284   0.083   0.386 

# by copy - NOT the idiomatic way
set.seed(45)
tt <- data.table(matrix(sample(c(NA, rnorm(10)), 1e7*3, TRUE), ncol=3))
tracemem(tt)
# makes copy
system.time({tt[is.na(tt)] <- 0})
# a bunch of "tracemem" output showing the copies being made
#   user  system elapsed 
#  4.110   0.976   5.187 

Answer 2

这里没什么不寻常的：

tt[is.na(tt)] = 0

..会起作用。

然而，这有点令人困惑：

tt[is.na(tt)]

...目前返回：

  

[.data.table（tt，is.na（tt））中的错误：i是无效类型   （矩阵）。也许将来一个2列矩阵可以返回一个列表   DT的元素（在FAQ 2.14中的A [B]的精神）。请让   数据表 - 帮助知道您是否喜欢这样，或将您的评论添加到FR＃1611。

Answer 3

我会使用data.table和lapply，即：

tt[,lapply(.SD,function(kkk) ifelse(is.na(kkk),-666,kkk)),.SDcols=names(tt)]

屈服于：

V1    X V2
 1:  1 -666  1
 2:  2 -666  2
 3:  3    a  2
 4:  4    b  3
 5:  5    c  3
 6:  6    d  3
 7:  7 -666  4
 8:  8 -666  4
 9:  9 -666  4
10: 10 -666  4

Answer 4

OP发布的特定问题也可以通过

解决

tt[is.na(X), X := 0]