Question

我在R中的数据框中有一列，其值为“-1”，“0”，“1”。我想分别用“no”，“maybe”和“yes”替换这些值。我将使用sub。

来做到这一点

我可以写一个条件函数，然后代码：

    df[col] <- lapply(df[col], conditional_function_substitution)

我也可以一次做一个替换（三个中的第一个示例）：

   df[col] <- lapply(df[col], sub, pattern = '-1', replacement = "no")

我想知道它是否可以在一行中完成？类似的东西：

   df[col] <- lapply(df[col], sub, pattern = c('-1','0','1'), replacement = c('no','maybe','yes')

感谢您的见解！

Answer 1

通过将2添加到-1,0和1，您可以将索引转换为所需结果的向量：

c("no", "maybe", "yes")[dat + 2]
# [1] "no"    "yes"   "maybe" "yes"   "yes"   "no"

相关选项可以使用match函数来计算索引：

c("no", "maybe", "yes")[match(dat, -1:1)]
# [1] "no"    "yes"   "maybe" "yes"   "yes"   "no"

或者，您可以使用命名向量进行重新编码：

unname(c("-1"="no", "0"="maybe", "1"="yes")[as.character(dat)])
# [1] "no"    "yes"   "maybe" "yes"   "yes"   "no"

您还可以使用嵌套的ifelse：

ifelse(dat == -1, "no", ifelse(dat == 0, "maybe", "yes"))
# [1] "no"    "yes"   "maybe" "yes"   "yes"   "no"

如果您不介意加载新软件包，Recode软件包中的car函数会执行此操作：

library(car)
Recode(dat, "-1='no'; 0='maybe'; 1='yes'")
# [1] "no"    "yes"   "maybe" "yes"   "yes"   "no"

数据：

dat <- c(-1, 1, 0, 1, 1, -1)

请注意，如果将dat存储为字符串，则除第一个以外的所有内容都有效;在第一个中你需要使用as.numeric(dat)。

如果代码清晰度是您的主要目标，那么您应该选择一个您最容易理解的内容 - 我个人会选择第二个或最后一个，但这是个人偏好。

如果感兴趣的是代码速度，那么您可以对解决方案进行基准测试。这是我提出的五个选项的基准，也包括目前作为其他答案发布的另外两个解决方案，以长度为100k的随机向量为基准：

set.seed(144) dat <- sample(c(-1, 0, 1), replace=TRUE, 100000) opt1 <- function(dat) c("no", "maybe", "yes")[dat + 2] opt2 <- function(dat) c("no", "maybe", "yes")[match(dat, -1:1)] opt3 <- function(dat) unname(c("-1"="no", "0"="maybe", "1"="yes")[as.character(dat)]) opt4 <- function(dat) ifelse(dat == -1, "no", ifelse(dat == 0, "maybe", "yes")) opt5 <- function(dat) Recode(dat, "-1='no'; 0='maybe'; 1='yes'") AnandaMahto <- function(dat) factor(dat, levels = c(-1, 0, 1), labels = c("no", "maybe", "yes")) hrbrmstr <- function(dat) sapply(as.character(dat), switch, `-1`="no", `0`="maybe", `1`="yes", USE.NAMES=FALSE) library(microbenchmark) microbenchmark(opt1(dat), opt2(dat), opt3(dat), opt4(dat), opt5(dat), AnandaMahto(dat), hrbrmstr(dat)) # Unit: milliseconds # expr min lq mean median uq max neval # opt1(dat) 1.513500 2.553022 2.763685 2.656010 2.837673 4.384149 100 # opt2(dat) 2.153438 3.013502 3.251850 3.117058 3.269230 5.851234 100 # opt3(dat) 59.716271 61.890470 64.978685 62.509046 63.723048 144.708757 100 # opt4(dat) 62.934734 64.715815 71.181477 65.652195 71.123384 123.840577 100 # opt5(dat) 82.976441 84.849147 89.071808 85.752429 88.473162 155.347273 100 # AnandaMahto(dat) 57.267227 58.643889 60.508402 59.065642 60.368913 80.852157 100 # hrbrmstr(dat) 137.883307 148.626496 158.051220 153.441243 162.594752 228.271336 100

前两个选项似乎比任何其他选项快一个数量级，但要么矢量必须非常大，要么你需要多次重复操作这有所作为。

正如@AnandaMahto所指出的，如果我们有字符输入而不是数字输入，这些结果在质量上是不同的：

set.seed(144) dat <- sample(c("-1", "0", "1"), replace=TRUE, 100000) opt1 <- function(dat) c("no", "maybe", "yes")[as.numeric(dat) + 2] opt2 <- function(dat) c("no", "maybe", "yes")[match(dat, -1:1)] opt3 <- function(dat) unname(c("-1"="no", "0"="maybe", "1"="yes")[as.character(dat)]) opt4 <- function(dat) ifelse(dat == -1, "no", ifelse(dat == 0, "maybe", "yes")) opt5 <- function(dat) Recode(dat, "-1='no'; 0='maybe'; 1='yes'") AnandaMahto <- function(dat) factor(dat, levels = c(-1, 0, 1), labels = c("no", "maybe", "yes")) hrbrmstr <- function(dat) sapply(dat, switch, `-1`="no", `0`="maybe", `1`="yes", USE.NAMES=FALSE) library(microbenchmark) microbenchmark(opt1(dat), opt2(dat), opt3(dat), opt4(dat), opt5(dat), AnandaMahto(dat), hrbrmstr(dat)) # Unit: milliseconds # expr min lq mean median uq max neval # opt1(dat) 8.397194 9.519075 10.784108 9.693706 10.163203 55.78417 100 # opt2(dat) 2.281438 3.091418 4.231162 3.210794 3.436038 49.39879 100 # opt3(dat) 3.606863 5.481115 6.466393 5.720282 6.344651 48.47924 100 # opt4(dat) 66.819638 69.996704 74.596960 71.290522 73.404043 127.52415 100 # opt5(dat) 32.897019 35.701401 38.488489 36.336489 38.950272 88.20915 100 # AnandaMahto(dat) 1.329443 2.114504 2.824306 2.275736 2.493907 46.19333 100 # hrbrmstr(dat) 81.898572 91.043729 154.331766 100.006203 141.425717 1594.17447 100

现在，@ AnandaMahto提出的factor解决方案是最快的，然后使用match进行矢量索引并命名向量查找。同样，所有运行时都足够快，你需要一个大的向量或许多运行来解决这个问题。

Answer 2

factor通常用于此类任务，并导致一些非常易读的代码：

vec <- c(0, 1, -1, -1, 1, 0)
vec
# [1]  0  1 -1 -1  1  0

factor(vec, levels = c(-1, 0, 1), labels = c("no", "maybe", "yes"))
# [1] maybe yes   no    no    yes   maybe
# Levels: no maybe yes

如果您只想要字符输出，请将其包装在as.character。

中

如果列值已经是字符串，您只需修改levels中的factor参数即可使用as.character：

vec2 <- as.character(c(0, 1, -1, -1, 1, 0))
vec2
# [1] "0"  "1"  "-1" "-1" "1"  "0" 

factor(vec2, levels = as.character(c(-1, 0, 1)), labels = c("no", "maybe", "yes"))
# [1] maybe yes   no    no    yes   maybe
# Levels: no maybe yes

Answer 3

这也可能是switch的邪恶应用程序：

set.seed(1492)
thing <- sample(c(-1, 0, 1), 100, replace=TRUE)
sapply(as.character(thing), switch, `-1`="no", `0`="maybe", `1`="yes", USE.NAMES=FALSE))

如果它们实际上已经是字符，则可以不用as.character()位。

注意：我不一定会推荐这个，只是展示所有可能的方式（这更像是ifelse段传递的错误方式。

IMO factor是可行的方法。

在一行R中的几个替换

3 个答案: