Question

我有900,000 x 500类型的数据集，但下面显示了适合该问题的玩具数据集。

library(data.table)
df1 <- data.table(x = c(1,2,4,0), y = c(0,0,10,15), z = c(1,1,1,0))

我想做以下事情：

对于y和z列
选择行= 0
用max + 1替换它们，其中max是在整个列上计算的

我是data.table的新手。在stackoverflow上查看问题的示例，我找不到类似的问题，除了这个： How to replace NA values in a table *for selected columns*? data.frame, data.table

我自己的尝试如下，但这不起作用：

for (col in c("x", "y")) df1[(get(col)) == 0, (col) := max(col) + 1)

显然，我还没有习惯data.table，所以我现在正撞在墙上......

如果除了dplyr之外还有人可以提供data.table解决方案，我会很感激。

Answer 1

我们可以使用set并将值为0的行与该列的max +1分配。

 for(j in c("y", "z")){
    set(df1, i= which(!df1[[j]]), j=j, value= max(df1[[j]])+1)
 }

df1
#   x  y z
#1: 1 16 1
#2: 2 16 1
#3: 4 10 1
#4: 0 15 2

注意：set方法非常有效，因为避免了[.data.table的开销

或者效率较低的方法是在.SDcols中指定感兴趣的列，循环遍历列（lapply(..），replace基于逻辑索引的值，并分配（:=）输出回到列。

df1[, c('y', 'z') := lapply(.SD, function(x) 
         replace(x, !x, max(x)+1)), .SDcols= y:z]

Answer 2

dplyr版本非常简单（我认为）

> library(dplyr)
# indented for clarity
> mutate(df1, 
    y= ifelse(y>0, y, max(y)+1), 
    z= ifelse(z>0, z, max(z)+1))

  x  y z
1 1 16 1
2 2 16 1
3 4 10 1
4 0 15 2

修改正如David Arenburg在评论中指出的那样，这对于玩具示例是有帮助的，但对于提及500列的数据则没有。他提出类似的建议：

df1 %>% mutate_each(funs(ifelse(. > 0, ., max(.) + 1)), -1)

其中-1指定除第一列以外的所有列

Answer 3

作为替代方案，ifelse(test, yes, no)可能有用

沿线

library(data.table)
dt <- data.table(x = c(1,2,4,0), y = c(0,0,10,15), z = c(1,1,1,0))

print(dt)

dt[, y := ifelse(!y, max(y) + 1, y)]

print(dt)

有条件地为所选列中的所有值更新一些列（data.table，r）

3 个答案: