使用较大数据集的索引值为数据框中的 NA 值创建指示变量答案

【问题标题】：Create indicator variable for NA values in a dataframe using index values for larger dataset使用较大数据集的索引值为数据框中的 NA 值创建指示变量
【发布时间】：2018-07-09 22:09:22
【问题描述】：

我有一个包含大约 300 个特征和 100 万个观察值的数据框。我创建了一个列表变量，其索引值包含 80% 的数据作为 NA 值。

我的索引列表有 -> 2,4 我想为数据框索引为 2 ,3 的列创建一个指示变量，以将 NA 值替换为“0”，将列中的其他值替换为“1”

我尝试循环遍历每一行，但由于数据量很大，循环它需要很长时间。

输入数据框 -> df

行 col1 col2 col3
一个 NA 1 3
一个 不适用 1 不适用
一个 2 2 NA

预期输出：
行 col1 col2 col3
一个 0 1 1
一个 0 1 0
一个 1 2 0

谁能指出我正确的方向以更快地实现这一目标。

谢谢，
雷努卡

【问题讨论】：

标签： r dplyr

【解决方案1】：

您可以使用 dplyr::mutate_at 选择要更改的列，然后应用 case_when 函数将 NA 重新编码为 0，将其他任何内容重新编码为 1，这应该比 for 循环快得多。

library(dplyr)

df %>%  
  mutate_at(vars(col1, col3), funs(
    case_when(
      is.na(.) ~ 0,
      TRUE ~ 1
  )))

【讨论】：