将负数替换为零

Question

我们希望将数组中所有负值设为零。

我尝试了很多方法，但都没有得到有效的解决方案。我考虑使用for循环和条件语句，但这似乎不起作用。

#pred_precipitation is our array
pred_precipitation <-rnorm(25,2,4)     

for (i in nrow(pred_precipitation))
{
  if (pred_precipitation[i]<0) {pred_precipitation[i] = 0}
  else{pred_precipitation[i] = pred_precipitation[i]}
}

- Fabian Stolz

Answer 1

感谢提供可重现的示例。这是相当基础的R语言知识。您可以将值分配给向量中的选定元素（请注意，数组具有维度，而您提供的是一个向量而不是数组）:

> pred_precipitation[pred_precipitation<0] <- 0
> pred_precipitation
 [1] 1.2091281 0.0000000 7.7665555 0.0000000 0.0000000 0.0000000 0.5151504 0.0000000 1.8281251
[10] 0.5098688 2.8370263 0.4895606 1.5152191 4.1740177 7.1527742 2.8992215 4.5322934 6.7180530
[19] 0.0000000 1.1914052 3.6152333 0.0000000 0.3778717 0.0000000 1.4940469

性能测试战争！

@James 发现了一种更快的方法，并在评论中留下了它。我为他点了赞，尽管我知道他的胜利将是短暂的。

首先，我尝试编译，但这似乎对任何人都没有帮助：

p <- rnorm(10000)
gsk3 <- function(x) { x[x<0] <- 0; x }
jmsigner <- function(x) ifelse(x<0, 0, x)
joshua <- function(x) pmin(x,0)
james <- function(x) (abs(x)+x)/2
library(compiler)
gsk3.c <- cmpfun(gsk3)
jmsigner.c <- cmpfun(jmsigner)
joshua.c <- cmpfun(joshua)
james.c <- cmpfun(james)

microbenchmark(joshua(p),joshua.c(p),gsk3(p),gsk3.c(p),jmsigner(p),james(p),jmsigner.c(p),james.c(p))
           expr      min        lq    median        uq      max
1     gsk3.c(p)  251.782  255.0515  266.8685  269.5205  457.998
2       gsk3(p)  256.262  261.6105  270.7340  281.3560 2940.486
3    james.c(p)   38.418   41.3770   43.3020   45.6160  132.342
4      james(p)   38.934   42.1965   43.5700   47.2085 4524.303
5 jmsigner.c(p) 2047.739 2145.9915 2198.6170 2291.8475 4879.418
6   jmsigner(p) 2047.502 2169.9555 2258.6225 2405.0730 5064.334
7   joshua.c(p)  237.008  244.3570  251.7375  265.2545  376.684
8     joshua(p)  237.545  244.8635  255.1690  271.9910  430.566

等等！Dirk写了这个Rcpp东西。一个完全不懂C++的人能否阅读他的JSS论文、调整他的例子并编写出所有函数中最快的函数呢？请关注，亲爱的听众。

library(inline)
cpp_if_src <- '
  Rcpp::NumericVector xa(a);
  int n_xa = xa.size();
  for(int i=0; i < n_xa; i++) {
    if(xa[i]<0) xa[i] = 0;
  }
  return xa;
'
cpp_if <- cxxfunction(signature(a="numeric"), cpp_if_src, plugin="Rcpp")
microbenchmark(joshua(p),joshua.c(p),gsk3(p),gsk3.c(p),jmsigner(p),james(p),jmsigner.c(p),james.c(p), cpp_if(p))
         expr      min        lq    median        uq       max
1   cpp_if(p)    8.233   10.4865   11.6000   12.4090    69.512
2     gsk3(p)  170.572  172.7975  175.0515  182.4035  2515.870
3    james(p)   37.074   39.6955   40.5720   42.1965  2396.758
4 jmsigner(p) 1110.313 1118.9445 1133.4725 1164.2305 65942.680
5   joshua(p)  237.135  240.1655  243.3990  250.3660  2597.429

是的，船长。

即使您没有对输入变量p进行赋值，该代码仍会修改它。如果您想避免这种行为，您需要克隆该变量：

cpp_ifclone_src <- '
  Rcpp::NumericVector xa(Rcpp::clone(a));
  int n_xa = xa.size();
  for(int i=0; i < n_xa; i++) {
    if(xa[i]<0) xa[i] = 0;
  }
  return xa;
'
cpp_ifclone <- cxxfunction(signature(a="numeric"), cpp_ifclone_src, plugin="Rcpp")

这不幸会削弱速度优势。

- Ari B. Friedman

---

Ari和@DirkEddelbuettel：它真的会修改p而不进行赋值吗？当我尝试时似乎并没有。 - Aaron left Stack Overflow

@Aaron 请看这里Dirk的解释: https://dev59.com/H2gu5IYBdhLWcg3we2-t - Ari B. Friedman

Answer 2

我会使用 pmax，因为在某些情况下 ifelse 会比较慢，而子集替换会创建一个额外的向量（这可能会成为大型数据集的问题）。

set.seed(21)
pred_precipitation <- rnorm(25,2,4)
p <- pmax(pred_precipitation,0)

子集替换是迄今为止最快的方法：

library(rbenchmark)
gsk3 <- function(x) { x[x<0] <- 0; x }
jmsigner <- function(x) ifelse(x<0, 0, x)
joshua <- function(x) pmin(x,0)
benchmark(joshua(p), gsk3(p), jmsigner(p), replications=10000, order="relative")
         test replications elapsed relative user.self sys.self
2     gsk3(p)        10000   0.215 1.000000     0.216    0.000
1   joshua(p)        10000   0.444 2.065116     0.416    0.016
3 jmsigner(p)        10000   0.656 3.051163     0.652    0.000

：这是一张名为“autoplot microbenchmark”的图片。

- Joshua Ulrich

---

@gsk3：我还没有开始抱怨呢！ - Joshua Ulrich

我本来想使用rbenchmark的结果进行绘图，但似乎没有一个合适的绘图方法。 - Ari B. Friedman

(abs(p)+p)/2 看起来仍然更快 - James

pmax 也被“认为”很慢。 - hadley

我更相信微基准测试的结果，而不是 rbenchmark——它使用了一个精度更高的计时器，并以 rbenchmark 无法做到的方式随机排列复制品。 - hadley

Answer 3

你也可以使用ifelse:

ifelse(pred_precipitation < 0, 0, pred_precipitation)

- johannes

Answer 4

如果您的主要对象是tibble或dataframe，则还可以使用tidy包。与Ari B. Friedman提出的替代方案相比，此替代方案可以“即时”编写，并与其他变更组合使用。

使用dplyr和%>%管道的示例如下：

df %>% mutate(varA = if_else(varA < 0, 0, varA))

您可以在 mutate() 语句中添加更多的变异（即新变量）。我认为这种编码方式的优点是，您不会冒跳过或重新执行单个转换步骤的风险，因为它们都在一个语句中分组。例如，在 RStudio 中添加 %>% View()，您就可以预览结果。但是，结果还没有存储在任何地方（“即时”）。通过这种方式，当更改代码时，可以保持命名空间/环境的干净。

- Simon Stolz

---

如果我们有多列，即varA和varB都需要将它们的负值替换为0，我该如何修改您的代码？ - ah bon

df %>% mutate(varA = if_else(varA < 0, 0, varA), varB = if_else(varB < 0, 0, varB)) - Simon Stolz

Answer 5

为了回答@ah bon的问题，如果我们有多个列，即varA和varB都需要将它们的负值替换为0，我们可以使用mutate(across())来避免重复使用ifelse语句。

如果varA和varB是相邻的：

df %>%
  mutate(across(varA:varB, ~ ifelse(.x < 0, 0, .x)))

如果它们不是：

df %>%
  mutate(across(c(varA, varB), ~ ifelse(.x < 0, 0, .x)))

- Emily