Question

我的数据集是：

df=data.frame(x=c(1,4,6,NA,7,NA,9,10,4,NA),
          y=c(10,12,NA,NA,14,18,20,15,12,17),
          z=c(225,198,NA,NA,NA,130,NA,200,NA,99))
df
    x  y   z
1   1 10 225
2   4 12 198
3   6 NA  NA
4  NA NA  NA
5   7 14  NA
6  NA 18 130
7   9 20  NA
8  10 15 200
9   4 12  NA
10 NA 17  99

我想将数据集更改为二进制数据集，如下所示

观察到的元素= 1

遗漏元素= 0

如何在R中执行此操作？我的培训代码是ifelse(df=NA , 0 ,1)。

Answer 1

您可以使用!is.na，如下所示：

# df[] <- as.numeric(!is.na(df))  # <- Original answer
df[] <- as.integer(!is.na(df))    # <- Thanks @docendodiscimus
df
#    x y z
# 1  1 1 1
# 2  1 1 1
# 3  1 0 0
# 4  0 0 0
# 5  1 1 0
# 6  0 1 1
# 7  1 1 0
# 8  1 1 1
# 9  1 1 0
# 10 0 1 1

如果关注效率，可以尝试使用“data.table”包：

as.data.table(df)[, lapply(.SD, function(x) as.numeric(!is.na(x)))]
#     x y z
#  1: 1 1 1
#  2: 1 1 1
#  3: 1 0 0
#  4: 0 0 0
#  5: 1 1 0
#  6: 0 1 1
#  7: 1 1 0
#  8: 1 1 1
#  9: 1 1 0
# 10: 0 1 1

或者在替换时分配：

as.data.table(df)[, (names(df)) := lapply(.SD, function(x) as.numeric(!is.na(x)))][]

<强> 更新

如果有人对进一步的基准测试感兴趣，您可以查看this Gist。

基准测试摘要：

如果它是你所追求的绝对速度，请选择“data.table”方法。
如果您想要基础R中的高效代码，as.integer和+几乎是一对一的，那么我想您知道我的建议会在哪里。

Answer 2

我们可以在逻辑矩阵上用+换行以将其转换为二进制。它也应该非常快。

+(!is.na(df))
#      x y z
# [1,] 1 1 1
# [2,] 1 1 1
# [3,] 1 0 0
# [4,] 0 0 0
# [5,] 1 1 0
# [6,] 0 1 1
# [7,] 1 1 0
# [8,] 1 1 1
# [9,] 1 1 0
#[10,] 0 1 1

dplyr选项

library(dplyr)
df %>%
   mutate_each(funs(+(!is.na(.))) )
#   x y z
#1  1 1 1
#2  1 1 1
#3  1 0 0
#4  0 0 0
#5  1 1 0
#6  0 1 1
#7  1 1 0
#8  1 1 1
#9  1 1 0
#10 0 1 1

基准

set.seed(24)
df <- as.data.frame(matrix(sample(c(NA, 1:20), 5000*5000,
       replace=TRUE), ncol=5000))
system.time(as.numeric(!is.na(df)))
#   user  system elapsed 
#  0.64    0.09    0.73 

system.time(+(!is.na(df)))
#  user  system elapsed 
#  0.42    0.11    0.53

将数据集更改为二进制数据集

2 个答案:

基准