使用所选列中所有值的最大值有条件地更新某些列（data.table，r）

Question

我有一个 900,000 x 500 类型的数据集，但下面显示了一个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：

1. 对于列 y 和 z
2. 选择值 = 0 的行
3. 将这些替换为 max+1，其中 max 是在整个列上计算的

我对 data.table 很陌生。在stackoverflow上查看问题示例，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，所以我现在正在用头撞墙......

如果除了data.table 之外还有人可以提供dplyr 解决方案，我将不胜感激。

Answer 1

我们可以使用set 并将值为0 的行分配给该列的max +1。

 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 方法将非常有效，因为避免了 [.data.table 的开销

---

或者一种效率较低的方法是在 .SDcols 中指定感兴趣的列，遍历列 (lapply(..)，replace 基于逻辑索引的值，然后分配 (:=)输出回列。

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

编辑 正如 cmets 中的 David Arenburg 所指出的，这对玩具示例很有帮助，但对 500 列的数据没有帮助。他提出了类似的建议：

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

-1 指定除第一列之外的所有列

Answer 3

作为替代，ifelse(test, yes, no) 可能有用

顺其自然

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)