我的数据框 df 如下所示：
A B C
1 2 3
2 5 6
3 8 9
以下代码行添加了一个新列并相应地填充数据。
df$Mean.Result1 <- ifelse(df[, "A"] > 0.05 & df[, "B"] > 0.05, "Equal", "")
我正在使用 R与Splunk ， Splunk 中的 R 无法识别上述格式
是否正确：
df.$Mean.Result1 <- ifelse(df.$A > 0.05 & df$B > 0.05, "Equal", "")
这两段代码有何不同？它会影响计算速度吗？我的实际数据集有大约5亿行和400列。
答案 0 :(得分：3)
ifelse关于df$Mean.Result1 <- c("", "Equal")[(df$A > 0.05 & df$B > 0.05)+1]
如何不是速度是重要因素的代码的最佳选择。您可以尝试：
df$A > 0.05 & df$B > 0.05要了解这里发生了什么，让我们分解命令。如果TRUE和A都超过0.05，则B会返回FALSE，否则会(df$A > 0.05 & df$B > 0.05)+1。因此，如果A和B都超过0.05，则c("", "Equal")会返回2，否则返回1。这些用作向量"Equal"中的指示，因此当两者都超过0.05时我们会得到""，否则会得到# Build dataset and functions
set.seed(144)
big.df <- data.frame(A = runif(1000000), B = runif(1000000))
OP <- function(df) {
df$Mean.Result1 <- ifelse(df$A > 0.05 & df$B > 0.05, "Equal", "")
df
}
josilber <- function(df) {
df$Mean.Result1 <- c("", "Equal")[(df$A > 0.05 & df$B > 0.05)+1]
df
}
all.equal(OP(big.df), josilber(big.df))
# [1] TRUE
# Benchmark
library(microbenchmark)
microbenchmark(OP(big.df), josilber(big.df))
# Unit: milliseconds
# expr min lq mean median uq max neval
# OP(big.df) 299.6265 311.56167 352.26841 318.51825 348.09461 540.0971 100
# josilber(big.df) 40.4256 48.66967 60.72864 53.18471 59.72079 267.3886 100
。
以下是对100万行数据框的比较：
position: fixed;
使用向量索引的方法在中值运行时间上快了约6倍。