编辑：比较给定答案的表现

Question

我有数据框：

a<-c(1,2,3,4)
b<-c(1988,1970,1999,2000)
years_practicing<-rep(NA,4)
df<-data.frame("ID"=a, "grad_year"=b, "years_practicing"=years_practicing)

如下所示：

ID   grad_year    years_practicing
1     1988           NA
2     1970           NA
3     1999           NA
4     2000           NA

现在我要执行此操作（它是伪代码！）：

if (ID=1 || ID=2) 
{
   years_practicing[corresponding cell]<-2017-grad_year
}

if (ID=3 || ID=4) 
{
   years_practicing[corresponding cell]<-2018-grad_year
}

要实现这一目标：

ID   grad_year    years_practicing
1     1988           29
2     1970           47
3     1999           19
4     2000           18

我知道如何以过程方式（使用while循环和if语句）来执行此操作，但是我想以向量化方式来执行操作。

我尝试了这个（以及类似的变体）：

year_2017_start<-c(1, 2)
year_2018_start<-c(3,4)
df$years_practicing[any(df$ID == year_2017_start)]<- 2017-df$grad_yr
df$years_practicing[any(df$ID == year_2018_start)]<- 2018-df$grad_yr

但收到错误：

Error in df$years_practicing[any(df$ID == year_2017_start)] <- 2017 -  : 
  replacement has length zero
> df$years_practicing[any(df$ID == year_2018_start)]<- 2018-df$grad_yr
Error in df$years_practicing[any(df$ID == year_2018_start)] <- 2018 -  : 
  replacement has length zero

问题：

如何改进代码以使其正常运行。（需要回答）
是否有更快的方法来获得相似的结果？（可选）

Answer 1

您可以使用命名向量

v1 = c(`1` = 2017,
       `2` = 2017,
       `3` = 2018,
       `4` = 2018)

v1[df$ID] - df$grad_year
# 1  2  3  4 
#29 47 19 18

Answer 2

此单线仅使用基数R。如果ID为1或2，则显示的%in%表达式的值为TRUE，否则为FALSE。从2018年减去后，它们分别转换为1和0，然后从中减去grad_year。

transform(df, years_practicing = 2018 - (ID %in% 1:2) - grad_year)

给予：

  ID grad_year years_practicing
1  1      1988               29
2  2      1970               47
3  3      1999               19
4  4      2000               18

Answer 3

您可以使用dplyr：

library(dplyr)
df %>% 
  mutate(years_practicing = ifelse(ID == 1 | ID == 2,
                                   2017-grad_year,
                                   2018-grad_year))

如果要测试的条件超过两个（例如，如果您有三年-2017年，2018年和2019年），则可以在以下情况下使用case_when：

df %>% 
  mutate(years_practicing = case_when(
    ID == 1 | ID == 2 ~ 2017-grad_year,
    ID == 3 ~ 2018-grad_year,
    TRUE ~ 2019-grad_year)
    )

编辑：比较给定答案的表现

我很好奇每个解决方案的速度。我比较了截至2019年8月29日建议的解决方案。@Chuan的答案胜出！很好玩...

library(microbenchmark)
library(dplyr)

a<-sample(c(1,2,3,4), 20000, replace = TRUE)
b<-sample(c(1988:2015), 20000, replace = TRUE)
years_practicing<-rep(NA, 20000)
df<-data.frame("ID"=a, "grad_year"=b, "years_practicing"=years_practicing)
year_2017_start<-c(1, 2)
year_2018_start<-c(3,4)
v1 = c(`1` = 2017,
       `2` = 2017,
       `3` = 2018,
       `4` = 2018)

mb <- microbenchmark(
  df$years_practicing[which(df$ID == year_2017_start)]<- 2017-df$grad_year[which(df$ID == year_2017_start)], 
  transform(df, years_practicing = 2018 - (ID %in% 1:2) - grad_year),
  df %>% 
    mutate(years_practicing = ifelse(ID == 1 | ID == 2,
                                     2017-grad_year,
                                     2018-grad_year)),
  v1[match(df$ID, names(v1))] - df$grad_year,
  times=500)

ggplot2::autoplot(mb)

Answer 4

不确定使用矢量化方法更新值的动机；但是某些矢量化函数（例如ifelse()）在这里可能会更好。无论如何，下面是您想要的矢量化解决方案：

df$years_practicing[which(df$ID == year_2017_start)]<- 2017-df$grad_year[which(df$ID == year_2017_start)]

根据条件更改变量值

4 个答案:

编辑：比较给定答案的表现