r - 我需要在 R 的数据框中“二值化”一些数据

Question

我有一个数据框，我想对前 56 列中的每个数据点进行二值化，条件是如果值大于 0，则将其设置为 1，否则设置为 0。有没有简单的方法做这个？

Answer 1

使用矢量化ifelse您可以：

   m[,1:56] <- ifelse(m[,1:56] > 0,1,0)

例如，我们可以在小矩阵中进行测试：

 m <- matrix(sample(c(-2,2),5*3,rep=T),ncol=5,nrow=3,byrow=T)
> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    2    2    2    2   -2
[2,]    2    2   -2    2   -2
[3,]    2    2    2    2    2
> m[,2:5] <- ifelse(m[,2:5] > 0,1,0)
> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    2    1    1    1    0
[2,]    2    1    0    1    0
[3,]    2    1    1    1    1

Answer 2

您可以利用TRUEandFALSE等于 "1" 和 "0" 的事实并执行以下操作：

set.seed(1)
mydf <- data.frame(matrix(rnorm(100), nrow = 10))
mydf[, 1:5] <- (mydf[, 1:5] > 0) + 0
mydf
#    X1 X2 X3 X4 X5         X6          X7           X8         X9        X10
# 1   0  1  1  1  0  0.3981059  2.40161776  0.475509529 -0.5686687 -0.5425200
# 2   1  1  1  0  0 -0.6120264 -0.03924000 -0.709946431 -0.1351786  1.2078678
# 3   0  0  1  1  1  0.3411197  0.68973936  0.610726353  1.1780870  1.1604026
# 4   1  0  0  0  1 -1.1293631  0.02800216 -0.934097632 -1.5235668  0.7002136
# 5   1  1  1  0  0  1.4330237 -0.74327321 -1.253633400  0.5939462  1.5868335
# 6   0  0  0  0  0  1.9803999  0.18879230  0.291446236  0.3329504  0.5584864
# 7   1  0  0  0  1 -0.3672215 -1.80495863 -0.443291873  1.0630998 -1.2765922
# 8   1  1  0  0  1 -1.0441346  1.46555486  0.001105352 -0.3041839 -0.5732654
# 9   1  1  0  1  0  0.5697196  0.15325334  0.074341324  0.3700188 -1.2246126
# 10  0  1  1  1  1 -0.1350546  2.17261167 -0.589520946  0.2670988 -0.4734006

的想法+0只是将TRUE和的逻辑值强制FALSE为它们的数字等价物。如果您正在处理矩阵中的所有列并且使用了as.numeric(mydf > 0)，则必须将结果向量重新转换为矩阵。但是，在这种情况下，这非常有效（正如@Dason 所指出的那样）。

mydf[, 1:5] <- as.numeric(mydf[, 1:5] > 0)

Answer 3

一种使用pmin和的方法pmax。（不是很推荐）

pmin(pmax(m[,2:5], 0),1)

但它允许添加一些基准测试

ag <- function() ifelse(m[,2:5] > 0,1,0)
mn <- function()pmin(pmax(m[,2:5], 0),1)
am <- function()  (m[, 2:5] > 0) + 0
am2 <- function()  as.numeric((m[, 2:5] > 0))

library(microbenchmark)
microbenchmark(ag(),mn(), am(), am2())
## Unit: microseconds
##   expr    min     lq  median      uq     max neval
##   ag() 19.888 20.712 21.9375 22.6430  39.548   100
##   mn() 50.135 51.172 52.2530 53.1055 113.854   100
##   am()  3.076  3.406  4.1755  4.6030   7.912   100
##  am2()  2.623  2.989  3.4640  4.0135   6.995   100

@AnandaMahto 的解决方案显然是赢家，而且as.numeric方法更快！