有条件地替换 data.frame 中的值

Question

我试图了解如何在不使用循环的情况下有条件地替换数据框中的值。我的数据框结构如下：

> df
          a b est
1  11.77000 2   0
2  10.90000 3   0
3  10.32000 2   0
4  10.96000 0   0
5   9.90600 0   0
6  10.70000 0   0
7  11.43000 1   0
8  11.41000 2   0
9  10.48512 4   0
10 11.19000 0   0

dput 的输出是这样的：

structure(list(a = c(11.77, 10.9, 10.32, 10.96, 9.906, 10.7, 
11.43, 11.41, 10.48512, 11.19), b = c(2, 3, 2, 0, 0, 0, 1, 2, 
4, 0), est = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 0)), .Names = c("a", 
"b", "est"), row.names = c(NA, -10L), class = "data.frame")

我想要做的是检查b 的值。如果b 为0，我想将est 设置为a 中的一个值。我知道df$est[df$b == 0] <- 23 会将est 的所有值设置为23，而b==0。我不明白的是，当该条件为真时，如何将 est 设置为 a 的值。例如：

df$est[df$b == 0] <- (df$a - 5)/2.533 

给出以下警告：

Warning message:
In df$est[df$b == 0] <- (df$a - 5)/2.533 :
  number of items to replace is not a multiple of replacement length

有没有办法可以传递相关的单元格，而不是向量？

Answer 1

由于您是有条件地索引df$est，您还需要有条件地索引替换向量df$a：

index <- df$b == 0
df$est[index] <- (df$a[index] - 5)/2.533 

当然，变量index 只是临时的，我使用它来使代码更具可读性。一步完成即可：

df$est[df$b == 0] <- (df$a[df$b == 0] - 5)/2.533 

为了更好的可读性，您可以使用within：

df <- within(df, est[b==0] <- (a[b==0]-5)/2.533)

结果，无论您选择哪种方法：

df
          a b      est
1  11.77000 2 0.000000
2  10.90000 3 0.000000
3  10.32000 2 0.000000
4  10.96000 0 2.352941
5   9.90600 0 1.936834
6  10.70000 0 2.250296
7  11.43000 1 0.000000
8  11.41000 2 0.000000
9  10.48512 4 0.000000
10 11.19000 0 2.443743

---

正如其他人所指出的，您示例中的另一种解决方案是使用ifelse。

Answer 2

试试data.table 的:= 运算符：

DT = as.data.table(df)
DT[b==0, est := (a-5)/2.533]

它又快又短。有关:= 的更多信息，请参阅这些链接的问题：

Why has data.table defined :=

When should I use the := operator in data.table

How do you remove columns from a data.frame

R self reference

Answer 3

这是一种方法。 ifelse 是矢量化的，它会检查所有行是否有 b 的零值，如果是这种情况，则将 est 替换为 (a - 5)/2.53。

df <- transform(df, est = ifelse(b == 0, (a - 5)/2.53, est))

Answer 4

另一种选择是使用case_when

require(dplyr)

mutate(df, est = case_when(
    b == 0 ~ (a - 5)/2.53, 
    TRUE   ~ est 
))

如果需要区分超过 2 个案例，此解决方案会变得更加方便，因为它可以避免嵌套的 if_else 构造。

Answer 5

R-inferno 或基本的 R 文档将解释为什么在这里使用 df$* 不是最好的方法。从“[”的帮助页面：

“按 [ 索引类似于原子向量并选择指定元素的列表。 [[ 和 $ 都选择列表的单个元素。主要区别在于 $ 不允许计算索引，而 [[ 允许。 x$name 等价于 x[["name", exact = FALSE]]。此外，[[ 的部分匹配行为可以使用精确参数来控制。 "

我建议改用[row,col] 表示法。示例：

Rgames: foo   
         x    y z  
   [1,] 1e+00 1 0  
   [2,] 2e+00 2 0  
   [3,] 3e+00 1 0  
   [4,] 4e+00 2 0  
   [5,] 5e+00 1 0  
   [6,] 6e+00 2 0  
   [7,] 7e+00 1 0  
   [8,] 8e+00 2 0  
   [9,] 9e+00 1 0  
   [10,] 1e+01 2 0  
Rgames: foo<-as.data.frame(foo)

Rgames: foo[foo$y==2,3]<-foo[foo$y==2,1]
Rgames: foo
       x y     z
1  1e+00 1 0e+00
2  2e+00 2 2e+00
3  3e+00 1 0e+00
4  4e+00 2 4e+00
5  5e+00 1 0e+00
6  6e+00 2 6e+00
7  7e+00 1 0e+00
8  8e+00 2 8e+00
9  9e+00 1 0e+00
10 1e+01 2 1e+01