因为这个for循环的顺序已经让我很烦恼了，所以我必须注册一个账户。我在R中有一个数据框，它有1000行和10列，每个值都在1到3之间。我想重新编码每个条目，使得：1==3，2==2，3==1。我知道有更简单的方法来做到这一点，比如对每一列进行子集操作并硬编码条件，但这并不总是理想的，因为我处理的许多数据集有多达100列。
我想使用嵌套循环来完成这个任务——这是我目前的进展：
for(i in 1:nrow(dat_trans)){
for(j in length(dat_trans)){
if(dat_trans[i,j] == 1){
dat_trans[i,j] <- 3
} else if(dat_trans[i,j] == 2){
dat_trans[i,j] <- 2
} else{
dat_trans[i,j] <- 1
}
}
}
所以我遍历第一列，获取每个数值并根据if / else的条件进行更改，我仍在学习R语言，如果您对我的代码有任何指针，请随意指出。
编辑：代码
R是一种向量化语言，因此您实际上不需要内部循环。
此外，如果您发现4-“旧值”=“新值”，则可以消除if语句。
for(i in 1:ncol(dat_trans)){
dat_trans[,i] <- 4-dat_trans[,i]
}
现在外循环仅迭代列的前10次，而不是所有行的1000次。这将极大地提高性能。
dat_trans <- 4-as.matrix(dat_trans) - GordonShumway这种操作是一种交换操作。不使用for循环进行值的交换有很多方法。
设置一个简单的数据框：
df <- data.frame(
col1 = c(1,2,3),
col2 = c(2,3,1),
col3 = c(3,1,2)
)
df[df==1] <- 4
df[df==3] <- 1
df[df==4] <- 3
使用临时变量：
dftemp <- df
df[dftemp==1] <- 3
df[dftemp==3] <- 1
使用乘除和加减：
df <- 4 - df
使用布尔运算：
df <- (df==1) * 3 + (df==2) * 2 + (df==3) * 1
如果你真的需要速度，可以使用按位异或操作：
df[df!=2] <- sapply(df, function(x){bitwXor(2,x)})[df!=2]
for(i in seq(ncol(df))){
for(j in seq(nrow(df))){
df[j,i] <- switch(df[j,i],3,2,1)
}
}
如果值的索引不像1、2和3一样好，可以使用文本。
for(i in seq(ncol(df))){
for(j in seq(nrow(df))){
df[j,i] <- switch(as.character(df[j,i]),
"1" = 3,
"2" = 2,
"3" = 1)
}
}
set.seed(42)
dat_trans <- as.data.frame(
setNames(lapply(1:3, function(ign) sample(1:3, size=10, replace=TRUE)),
c("V1", "V2", "V3"))
)
dat_trans
# V1 V2 V3
# 1 3 2 3
# 2 3 3 1
# 3 1 3 3
# 4 3 1 3
# 5 2 2 1
# 6 2 3 2
# 7 3 3 2
# 8 1 1 3
# 9 2 2 2
# 10 3 2 3
newvals <- data.frame(old = c(1, 3), new = c(3, 1))
newvals
# old new
# 1 1 3
# 2 3 1
使用 dplyr 和 tidyr：
library(dplyr)
library(tidyr) # gather, spread
dat_trans %>%
mutate(rn = row_number()) %>%
gather(k, v, -rn) %>%
left_join(newvals, by = c("v" = "old")) %>%
mutate(v = if_else(is.na(new), v, new)) %>%
select(-new) %>%
spread(k, v) %>%
select(-rn)
# V1 V2 V3
# 1 1 2 1
# 2 1 1 3
# 3 3 1 1
# 4 1 3 1
# 5 2 2 3
# 6 2 1 2
# 7 1 1 2
# 8 3 3 1
# 9 2 2 2
# 10 1 2 1
需要使用rn可能是因为我使用的是较旧版本的tidyr：我使用的是0.8.2，尽管1.0.0最近已发布。该版本对spread/gather进行了大量增强/工作，并引入了pivot_*函数，这些函数在此方面可能更加流畅。如果您有更新的版本，请尝试不使用rn部分。
或者采用更直接的“重新编码”思维方式：
dat_trans[,c("V1", "V2", "V3")] <- lapply(dat_trans[,c("V1", "V2", "V3")], car::recode, "1=3; 3=1")
# or
dat_trans[,c("V1", "V2", "V3")] <- lapply(dat_trans[,c("V1", "V2", "V3")], dplyr::recode, '1' = 3L, '3' = 1L)
am。对于df1的每个属性值，使用match()与am的第一列匹配，但选择第二列，然后将其赋值给df1。当然，在lapply()中实现。df1
# V1 V2 V3
# 1 1 2 1
# 2 1 2 1
# 3 1 1 2
# 4 1 3 2
# 5 2 3 2
am <- matrix(c(1, 2, 3, 3, 2, 1), 3)
am
# [,1] [,2]
# [1,] 1 3
# [2,] 2 2
# [3,] 3 1
df1[] <- lapply(df1, function(x) am[match(x, am[,1]), 2])
df1
# V1 V2 V3
# 1 3 2 3
# 2 3 2 3
# 3 3 3 2
# 4 3 1 2
# 5 2 1 2
df1 <- structure(list(V1 = c(1L, 1L, 1L, 1L, 2L), V2 = c(2L, 2L, 1L,
3L, 3L), V3 = c(1L, 1L, 2L, 2L, 2L)), class = "data.frame", row.names = c(NA,
-5L))
2，那你为什么要将其替换为2呢？ - Benjamin Ye