在R中一次替换矩阵中的多个值答案

【问题标题】：Replacing multiple values in matrix at once in R在R中一次替换矩阵中的多个值
【发布时间】：2019-02-14 19:12:03
【问题描述】：

我有一个很大的偏好矩阵 P，其中包含 100 多行患者和 100 多列肾脏偏好。我必须以某种方式将这些肾脏分配给患者。在我找到第一个分配子集后，我想 1. 从要考虑的患者中删除患者，以及 2. 替换偏好矩阵中已分配给 NA 的肾脏。我多次循环这个过程。我知道该怎么做 1. 但是当我尝试做 2. 时，我想要更改为 NA 的数字中只有少数实际上会发生变化。

完成循环后，我将得到一个肾脏向量，分配如下：

taken= c(94, 42, 72, 12, 45, 68, 10, 100, 98)

然后我尝试使用以下方法将偏好矩阵 P 中的这些数字替换为 NA：

P[P==taken]=NA

但我仍然看到我尝试在矩阵中替换的一些值。有什么建议吗？

【问题讨论】：

P[P %in% taken] = NA? == 只能与一个值进行比较，而不是值的向量。 %in% 将在整个向量 taken 中查找值。
我已经尝试过了，但不幸的是，这也将所有原始值留在了矩阵中。
你可以遍历“taken”然后你的代码应该可以工作了。
那行得通@JacobJacox。谢谢！

标签： r vector replace na

【解决方案1】：

我们可以使用apply:

a=matrix(92:100,nrow = 3,ncol = 3)
taken= c(94, 42, 72, 12, 45, 68, 10, 100, 98)

a 在NA 之前

     [,1] [,2] [,3]
[1,]   92   95   98
[2,]   93   96   99
[3,]   94   97  100

a[apply(a,1,function(x) (x%in%taken))]=NA

a 在NA 之后

      [,1] [,2] [,3]
[1,]   92   95   NA
[2,]   93   96   99
[3,]   NA   97   NA

【讨论】：

【解决方案2】：

不确定我是否理解这个问题，但这可能会回答它。

# Generate preference matrix 
P <-  matrix(1:100,nrow = 10)

P
#>       [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
#>  [1,]    1   11   21   31   41   51   61   71   81    91
#>  [2,]    2   12   22   32   42   52   62   72   82    92
#>  [3,]    3   13   23   33   43   53   63   73   83    93
#>  [4,]    4   14   24   34   44   54   64   74   84    94
#>  [5,]    5   15   25   35   45   55   65   75   85    95
#>  [6,]    6   16   26   36   46   56   66   76   86    96
#>  [7,]    7   17   27   37   47   57   67   77   87    97
#>  [8,]    8   18   28   38   48   58   68   78   88    98
#>  [9,]    9   19   29   39   49   59   69   79   89    99
#> [10,]   10   20   30   40   50   60   70   80   90   100

# Removed for example with smaller matrix
taken= c(1,2,5, 10)

# Set taken rows to NA
P[taken,1:dim(P)[2]] = NA

P
#>       [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
#>  [1,]   NA   NA   NA   NA   NA   NA   NA   NA   NA    NA
#>  [2,]   NA   NA   NA   NA   NA   NA   NA   NA   NA    NA
#>  [3,]    3   13   23   33   43   53   63   73   83    93
#>  [4,]    4   14   24   34   44   54   64   74   84    94
#>  [5,]   NA   NA   NA   NA   NA   NA   NA   NA   NA    NA
#>  [6,]    6   16   26   36   46   56   66   76   86    96
#>  [7,]    7   17   27   37   47   57   67   77   87    97
#>  [8,]    8   18   28   38   48   58   68   78   88    98
#>  [9,]    9   19   29   39   49   59   69   79   89    99
#> [10,]   NA   NA   NA   NA   NA   NA   NA   NA   NA    NA

【讨论】：