我有一个 data.frame,dim = 400 行和 15000 列。我想应用一个条件,对于属于每个组的行,由 df$Group
定义,我必须检查该组是否在超过 50% 的行中具有值。如果是,则保留现有值,否则全部替换为 0
。
例如,对于组 a df[1:6,1]
,
如果 sum(df[1:6,1] == 0)/length(df[1:6,1]) >50%
,则 df[1:6 中的所有值,1]
将替换为 0
。否则现有值将保留。
示例输入:
df <- read.table(text= "DATA r1 r2 r3 Group
a1 6835 256 0 a
a2 5395 0 67 a
a3 7746 0 30 a
a4 7496 556 50 a
a5 5780 255 0 a
a6 6060 603 0 a
b1 0 0 0 b
b2 0 258 0 b
b3 0 0 0 b
b4 0 0 0 b
b5 5099 505 0 b
b6 0 680 0 b
c1 8443 4900 280 c
c2 8980 4949 0 c
c3 7828 0 0 c
c4 6509 3257 0 c
c5 6563 0 49 c
", header=TRUE, na.strings=NA,row.name=1)
dt <- as.data.table(df) #or data.frame
预期输出:
>df
DATA r1 r2 r3 Group
a1 6835 256 0 a
a2 5395 0 67 a
a3 7746 0 30 a
a4 7496 556 50 a
a5 5780 255 0 a
a6 6060 603 0 a
b1 0 0 0 b
b2 0 258 0 b
b3 0 0 0 b
b4 0 0 0 b
b5 0 505 0 b
b6 0 680 0 b
c1 8443 4900 0 c
c2 8980 4949 0 c
c3 7828 0 0 c
c4 6509 3257 0 c
c5 6563 0 0 c
最佳答案
更新:这个错误,#4957现在固定在 v1.8.11 .来自 NEWS :
Fixing #5007 also fixes #4957, where
.N
was not visible duringlapply(.SD, function(x) ...)
inj
. Thanks to juba for noticing it here on SO: Replace values in each column based on conditions according to groups (by rows) data.frame
这是 data.table
的一种方式:
dt[, lapply(.SD, function(v) {
len <- length(v)
if((sum(v==0)/len)>0.5) rep(0L,len) else v
}), by="Group", .SDcols=c("r1","r2","r3")]
给出:
Group r1 r2 r3
1: a 6835 256 0
2: a 5395 0 67
3: a 7746 0 30
4: a 7496 556 50
5: a 5780 255 0
6: a 6060 603 0
7: b 0 0 0
8: b 0 258 0
9: b 0 0 0
10: b 0 0 0
11: b 0 505 0
12: b 0 680 0
13: c 8443 4900 0
14: c 8980 4949 0
15: c 7828 0 0
16: c 6509 3257 0
17: c 6563 0 0
关于根据组(按行)data.frame 根据条件替换每列中的值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19094771/