R中data.table中的逻辑索引

Question

我是 data.table 的初学者，我正在尝试做一个非常简单的操作，在基本数据帧中看起来像这样：

percentages[percentages<0] = abs(percentages[percentages<0])

数据如下：

percentages

  p1    p2    p3
1: 0.689 0.206 0.106 

到目前为止，我发现的仅获取数据的 data.table 解决方案是：

percentages[,which(percentages<0),with=FALSE]

但它比数据框更复杂......应该有更好的东西但我什么都得不到......有什么建议吗？

Answer 1

一般选项可能是使用set。它包括一个for 循环，但它会更有效，因为我们循环遍历列而不是通过这样做创建matrix（df1 < 0 - 对于大型数据集，这会消耗一些内存）。使用set 会很有效，因为文档说可以避免[.data.table 的开销

for(j in seq_along(df1)){
  set(df1, i = which(df1[[j]]<0), j=j, value = abs(df1[[j]]))
}

由于 OP 需要单行代码，因此对于显示的单行示例，

df1[, lapply(.SD, function(x) replace(x, x < 0, abs(x)))]

基准测试

基于稍大数据集上的system.time

 set.seed(42)
 dfN <- data.frame(p1 = rnorm(1e7), p2 = rnorm(1e7), p3 = rnorm(1e7), p4 = rnorm(1e7))

dfN1 <- copy(dfN)
setDT(dfN1)
system.time({
  i1 <- dfN < 0
  dfN[i1] <- abs(dfN[i1])
})

#  user  system elapsed 
#  1.63    0.50    2.12 

system.time({
 for(j in seq_along(dfN1)){
  set(dfN1, i = which(dfN1[[j]]<0), j=j, value = abs(dfN1[[j]][dfN1[[j]]<0]))
 }
})

# user  system elapsed 
# 0.91    0.08    0.98 

Answer 2

正如 akrun 上面发布的那样，单行回复是

df1[, lapply(.SD, function(x) replace(x, x < 0, abs(x)))]

然而，这并不是我想要的，因为与 data.frame 相比，data.table 在语法上似乎要复杂得多（至少在这个例子中）

我们基本上是在 data.table 中自己进行矢量化（使用 lapply），而在 data.frame 中它会自动发生