用不等于 0 的样本替换值

Question

我想使用 sample 替换我的数据集中的 0 以在列中随机 select 一个值来替换它。

我有这个示例数据集：

  Sepal.Length Sepal.Width Petal.Length Petal.Width species
1          0.0         3.5          0.0         0.2  setosa
2          4.9         3.0          0.0         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.0  setosa
5          5.0         0.0          0.0         0.0  setosa
6          0.0         0.0          0.0         0.4  setosa

我试过：

ifelse(ir$Sepal.Width == 0, sample(ir$Sepal.Width != 0), ir$Sepal.Width)
[1] 3.5 3.0 3.2 3.1 0.0 0.0 3.4 1.0 2.9 1.0 3.7 1.0 3.0 3.0 4.0

零仍然存在。我尝试对所有列进行循环，因为对每一列执行上面的代码太耗时了，我已经尝试过：

lapply(ir[,-5], function(x)ifelse(ir[,1:4] == 0, sample(ir[,1:4]),ir[,1:4]))

然而，它会创建不必要的数据列，并且仍然保留零。

可重现代码：

structure(list(Sepal.Length = c(0, 4.9, 4.7, 4.6, 5, 0, 4.6, 
5, 4.4, 0, 5.4, 4.8, 0, 0, 0), Sepal.Width = c(3.5, 3, 3.2, 3.1, 
0, 0, 3.4, 0, 2.9, 0, 3.7, 0, 3, 3, 4), Petal.Length = c(0, 0, 
1.3, 1.5, 0, 0, 1.4, 1.5, 1.4, 1.5, 0, 1.6, 1.4, 1.1, 1.2), Petal.Width = c(0.2, 
0.2, 0.2, 0, 0, 0.4, 0.3, 0.2, 0.2, 0, 0.2, 0, 0, 0, 0.2), species = structure(c(1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), .Label = c("setosa", 
"versicolor", "virginica"), class = "factor")), row.names = c(NA, 
15L), class = "data.frame")

Answer 1

用向量中的随机非零值替换零的函数：

f <- function(vec){
  
  ind <- vec == 0
  vec[ind] <- sample(vec[!ind], sum(ind), TRUE)
  
  vec
}

将函数 f 应用于每个数字列：

library(data.table)

num_cols <- names(df)[as.vector(lapply(df, class)) == "numeric"]
setDT(df)[, (num_cols) := lapply(.SD, f), .SD = num_cols]

或使用基数 R

num_cols <- names(df)[as.vector(lapply(df, class)) == "numeric"]
df[num_cols] <- lapply(df[num_cols], f)

注

最好使用 Advanced R 书中的 sample 函数：

sample <- function(x, size = NULL, replace = FALSE, prob = NULL) {
  
  size <- size %||% length(x)
  x[sample.int(length(x), size, replace = replace, prob = prob)]
}

因为 base::sample 在 x 是长度为 1 的数字的情况下的行为。

Answer 2

这是一个简短的 dplyr 解决方案：

ir %>% 
  mutate(across(.cols = where(is.numeric), 
              ~ replace(., . == 0, sample(.[. != 0], length(.[. == 0]), replace=T))))

您可能需要也可能不需要 replace=T，它允许重复采样元素。

Answer 3

使用 data.table (library(data.table)):

setDT(ir)
ir[, Sepal.Width := 
       ifelse(Sepal.Width==0, 
              sample(Sepal.Width[Sepal.Width!=0], .N, replace=TRUE), 
              Sepal.Width), 
     by=species]

您也可以通过添加 by

从同一物种中取样

setDT(ir)
ir[, Sepal.Width := 
       ifelse(Sepal.Width==0, 
              sample(Sepal.Width[Sepal.Width!=0], .N, replace=TRUE), 
              Sepal.Width), 
   by=species]

为所有课程获取此信息：

ir[, c("Sepal.Length", "Sepal.Width", "Petal.Length", "Petal.Width") := 
       lapply(.SD, function(x) {
         ifelse(x==0, sample(x[x!=0], size=.N, replace=TRUE), x)}), 
   by=species]

注意你的代码

ifelse(ir$Sepal.Width == 0, sample(ir$Sepal.Width != 0), ir$Sepal.Width)

正在从 TRUE 和 FALSE 的值中采样，因为您没有使用此逻辑运算 ir$Sepal.Width != 0 进行子集化 - 您需要

ifelse(ir$Sepal.Width == 0, sample(ir$Sepal.Width[ir$Sepal.Width != 0]), ir$Sepal.Width)

用不等于 0 的样本替换值

Replace values with a sample not equal to 0

random

replace

r

data-manipulation

dataframe