Question

我对R相当陌生，在实现一些本应非常基础的东西时遇到了麻烦。有人可以指出我正确的方向吗？

我需要基于两个向量的值进行逻辑计算，然后在第三个向量中返回该函数的值。

我想在用户定义的函数中执行此操作，因此我可以轻松地将此算法应用到算法的其他几个方面，并轻松修改实现。

这是我尝试过的方法，但是我无法使此实现起作用。我相信是因为我无法将向量作为此函数的参数发送。

<!-- language: python -->
calcSignal <- function(fVector, sVector) {
  if(!is.numeric(fVector) || !is.numeric(sVector)) {
    0
  }
  else if (fVector > sVector) {
    1
  }
  else if (fVector < sVector) {
    -1
  }
  else {
    0  # is equal case        
  }
}

# set up data frame
df <- data.frame(x=c("NA", 2, 9, 7, 0, 5), y=c(4, 1, 5, 9, 0, "NA"))
# call function
df$z <- calcSignal(df$x, df$y)

我希望输出是具有以下值的向量，但我没有正确实现该函数。

[0，-1,1，-1,0,0]

有人可以帮助解释如何实现此功能以正确执行概述的逻辑吗？

感谢您的帮助！

Answer 1

?sign挺身而出，无需循环播放

# fixing the "NA" issue:
df <- data.frame(x=c(NA, 2, 9, 7, 0, 5), y=c(4, 1, 5, 9, 0, NA))

s <- sign(df$x - df$y)
s[is.na(s)] <- 0
s
#[1]  0  1  1 -1  0  0

Answer 2

ifelse是另一个方便的功能。虽然比sign少优雅

df <- data.frame(x=c(NA, 2, 9, 7, 0, 5), y=c(4, 1, 5, 9, 0, NA))

cs <- function(x, y){
  a <- x > y
  b <- x < y

  out <- ifelse(a, 1, ifelse(b, -1, 0))

  ifelse(is.na(out), 0, out)

}
cs(df$x, df$y)

Answer 3

您的代码中有一些误解：

在R中，“ NA”被视为字符（字符串在R中称为字符）。正确的形式为不带引号的NA。
值得注意的是data.frame会自动将字符转换为可以通过使用data.frame(...,stringsAsFactors = F)禁用的因子类型。
data.frame的每一列都有一个类型，而不是每个元素。因此，当您有一列包含数字和NA的列时，该列的类将是数字，并且is.numeric甚至为NA元素也提供True。 is.na会完成工作
||仅比较每个向量的第一个元素。 |进行元素比较。

现在让我们实现您想要的：

实施1 ：

#set up data frame
df <- data.frame(x=c(NA, 2, 9, 7, 0, 5), y=c(4, 1, 5, 9, 0, NA))

calcSignal <- function(f,s){
  if(is.na(f) | is.na(s))
    return(0)
  else if(f>s)
    return(1)
  else if(f<s)
    return(-1)
  else
    return(0)
}
df$z = mapply(calcSignal, df$x, df$y, SIMPLIFY = T)

要对两个或多个向量逐个元素运行一个函数，我们可以使用mapply。

实施2
与以前没有太大的不同。这里的功能更易于使用。

#set up data frame
df <- data.frame(x=c(NA, 2, 9, 7, 0, 5), y=c(4, 1, 5, 9, 0, NA))

calcSignal <- function(fVector, sVector) {
  res = mapply(function(f,s){
    if(is.na(f) | is.na(s))
      return(0)
    else if(f>s)
      return(1)
    else if(f<s)
      return(-1)
    else
      return(0)
  },fVector,sVector,SIMPLIFY = T)
  return(res)
}
df$z = calcSignal(df$x,df$y)

实施3（矢量化）
这个好多了。因为它是矢量化的，并且速度更快：

calcSignal <- function(fVector, sVector) {
  res = rep(0,length(fVector))
  res[fVector>sVector] = 1
  res[fVector<sVector] = -1

  #This line isn't necessary.It's just for clarification
  res[(is.na(fVector) | is.na(sVector))] = 0

  return(res)
}
df$z = calcSignal(df$x,df$y)

输出：

对两个向量应用逻辑计算，然后在第三个向量中返回结果

3 个答案: