【问题标题】：Changing variable value based on condition根据条件更改变量值
【发布时间】：2020-01-02 02:02:22
【问题描述】：

我有数据框：

a<-c(1,2,3,4)
b<-c(1988,1970,1999,2000)
years_practicing<-rep(NA,4)
df<-data.frame("ID"=a, "grad_year"=b, "years_practicing"=years_practicing)

看起来像：

ID   grad_year    years_practicing
1     1988           NA
2     1970           NA
3     1999           NA
4     2000           NA

现在我想做这个（它是伪代码！）：

if (ID=1 || ID=2) 
{
   years_practicing[corresponding cell]<-2017-grad_year
}

if (ID=3 || ID=4) 
{
   years_practicing[corresponding cell]<-2018-grad_year
}

实现这一目标：

ID   grad_year    years_practicing
1     1988           29
2     1970           47
3     1999           19
4     2000           18

我知道如何以程序方式进行（使用while 循环和if 语句），但我想以矢量化方式进行。

我试过这个（以及类似的变体）：

year_2017_start<-c(1, 2)
year_2018_start<-c(3,4)
df$years_practicing[any(df$ID == year_2017_start)]<- 2017-df$grad_yr
df$years_practicing[any(df$ID == year_2018_start)]<- 2018-df$grad_yr

但是接收错误：

Error in df$years_practicing[any(df$ID == year_2017_start)] <- 2017 -  : 
  replacement has length zero
> df$years_practicing[any(df$ID == year_2018_start)]<- 2018-df$grad_yr
Error in df$years_practicing[any(df$ID == year_2018_start)] <- 2018 -  : 
  replacement has length zero

问题：

如何改进我的代码以使其正常工作。（需要回答）
有没有更快的方法来获得类似的结果？（可选）

【问题讨论】：

df$years_practicing[which(df$ID == year_2017_start)]grad_year
@Cuan 你的代码就是我想要的。如果你想写答案，我会排除它。

标签： r dataframe vectorization data-cleaning

【解决方案1】：

此单行代码仅使用基数 R。如果 ID 为 1 或 2，则显示的 %in% 表达式计算结果为 TRUE，否则计算结果为 FALSE。从 2018 年减去时，它们分别转换为 1 和 0，然后我们从中减去 grad_year。

transform(df, years_practicing = 2018 - (ID %in% 1:2) - grad_year)

给予：

  ID grad_year years_practicing
1  1      1988               29
2  2      1970               47
3  3      1999               19
4  4      2000               18

【讨论】：

【解决方案2】：

你可以使用命名向量

v1 = c(`1` = 2017,
       `2` = 2017,
       `3` = 2018,
       `4` = 2018)

v1[df$ID] - df$grad_year
# 1  2  3  4 
#29 47 19 18

【讨论】：

【解决方案3】：

不确定您必须使用矢量化方法来更新值的动机；但是一些矢量化函数，例如ifelse() 在这里可能会有更好的帮助。无论如何，以下是您想要的矢量化解决方案：

df$years_practicing[which(df$ID == year_2017_start)]<- 2017-df$grad_year[which(df$ID == year_2017_start)]

【讨论】：

谢谢。据我所知，矢量化的速度更好。您能否也提供ifelse() 版本并解释为什么它可以更好？

【解决方案4】：

你可以使用dplyr:

library(dplyr)
df %>% 
  mutate(years_practicing = ifelse(ID == 1 | ID == 2,
                                   2017-grad_year,
                                   2018-grad_year))

如果您有两个以上的条件要测试（例如，如果您有 3 年 - 2017 年、2018 年和 2019 年），您可以使用 case_when：

df %>% 
  mutate(years_practicing = case_when(
    ID == 1 | ID == 2 ~ 2017-grad_year,
    ID == 3 ~ 2018-grad_year,
    TRUE ~ 2019-grad_year)
    )

编辑：比较给定答案的表现

我很好奇每种解决方案的速度。我比较了截至 2019 年 8 月 29 日建议的解决方案。@Chuan 的答案获胜！那很有趣...

library(microbenchmark)
library(dplyr)

a<-sample(c(1,2,3,4), 20000, replace = TRUE)
b<-sample(c(1988:2015), 20000, replace = TRUE)
years_practicing<-rep(NA, 20000)
df<-data.frame("ID"=a, "grad_year"=b, "years_practicing"=years_practicing)
year_2017_start<-c(1, 2)
year_2018_start<-c(3,4)
v1 = c(`1` = 2017,
       `2` = 2017,
       `3` = 2018,
       `4` = 2018)

mb <- microbenchmark(
  df$years_practicing[which(df$ID == year_2017_start)]<- 2017-df$grad_year[which(df$ID == year_2017_start)], 
  transform(df, years_practicing = 2018 - (ID %in% 1:2) - grad_year),
  df %>% 
    mutate(years_practicing = ifelse(ID == 1 | ID == 2,
                                     2017-grad_year,
                                     2018-grad_year)),
  v1[match(df$ID, names(v1))] - df$grad_year,
  times=500)

ggplot2::autoplot(mb)

【讨论】：

这太棒了！谢谢。