我已经了解了可以成为我朋友的replace
函数
dat1 <- data.frame(matrix(1:12, 3, 4))
rpl <- c(2, 4, 1)
t(sapply(seq_along(rpl), function(x) replace(dat1[x, ], rpl[x], NA)))
# X1 X2 X3 X4
# [1,] 1 NA 7 10
# [2,] 2 5 8 NA
# [3,] NA 6 9 12
但我无法在更复杂的替换情况下使用它:
(M <- structure(c(3L, 9L, 14L, 16L, 6L, 8L, 10L, 15L, 1L, 4L, 11L,
13L, 2L, 5L, 7L, 12L), .Dim = c(4L, 4L), .Dimnames = list(NULL,
NULL)))
# [,1] [,2] [,3] [,4]
# [1,] 3 6 1 2
# [2,] 9 8 4 5
# [3,] 14 10 11 7
# [4,] 16 15 13 12
dat2 <- data.frame(x=matrix(NA, 16))
> sapply(1:4, function(j) replace(dat2$x, M[, j], j))
[,1] [,2] [,3] [,4]
[1,] NA NA 3 NA
[2,] NA NA NA 4
[3,] 1 NA NA NA
[4,] NA NA 3 NA
[5,] NA NA NA 4
[6,] NA 2 NA NA
[7,] NA NA NA 4
[8,] NA 2 NA NA
[9,] 1 NA NA NA
[10,] NA 2 NA NA
[11,] NA NA 3 NA
[12,] NA NA NA 4
[13,] NA NA 3 NA
[14,] 1 NA NA NA
[15,] NA 2 NA NA
[16,] 1 NA NA NA
结果分布在矩阵中,而不是仅更改列,而for
循环或sapply
给了我我想要的东西:
for (j in 1:4) dat2$x[M[, j]] <- j
# or
sapply(1:4, function(j) dat2$x[M[, j]] <<- j)
> dat3
x
1 3
2 4
3 1
4 3
5 4
6 2
7 4
8 2
9 1
10 2
11 3
12 4
13 3
14 1
15 2
16 1
在这种/更复杂的情况下,如何正确使用replace
?
顺便说一句,即使<<-
达到了目的,为什么信誉仍然很差(至少在这种情况下)? (或者这只是一个思考问题,因为我“听到”了什么??)。如果没有在全局环境中意外破坏某些功能的函数中使用它,那么这确实是一个糟糕的做法吗?
答案 0 :(得分:1)
replace
没问题。问题是sapply
是并行工作的(不是在并行处理的意义上,而是从概念上讲),而不是对先前迭代的结果进行一次迭代。为此,请使用Reduce
。
transform(dat2, x = Reduce(function(x, i) replace(x, M[, i], i), init = x, 1:ncol(M)))