在复杂情况下如何正确使用`replace`？答案

【问题标题】：How to do use `replace` properly in complex cases?在复杂情况下如何正确使用`replace`？
【发布时间】：2019-03-25 23:02:36
【问题描述】：

我了解了可以成为我朋友的replace 函数

dat1 <- data.frame(matrix(1:12, 3, 4))
rpl <- c(2, 4, 1)
t(sapply(seq_along(rpl), function(x) replace(dat1[x, ], rpl[x], NA)))
#      X1 X2 X3 X4
# [1,] 1  NA 7  10
# [2,] 2  5  8  NA
# [3,] NA 6  9  12

但我没有让它在更复杂的替换情况下工作：

(M <- structure(c(3L, 9L, 14L, 16L, 6L, 8L, 10L, 15L, 1L, 4L, 11L, 
                 13L, 2L, 5L, 7L, 12L), .Dim = c(4L, 4L), .Dimnames = list(NULL, 
                                                                           NULL)))
#      [,1] [,2] [,3] [,4]
# [1,]    3    6    1    2
# [2,]    9    8    4    5
# [3,]   14   10   11    7
# [4,]   16   15   13   12

dat2 <- data.frame(x=matrix(NA, 16))

> sapply(1:4, function(j) replace(dat2$x, M[, j], j))
      [,1] [,2] [,3] [,4]
 [1,]   NA   NA    3   NA
 [2,]   NA   NA   NA    4
 [3,]    1   NA   NA   NA
 [4,]   NA   NA    3   NA
 [5,]   NA   NA   NA    4
 [6,]   NA    2   NA   NA
 [7,]   NA   NA   NA    4
 [8,]   NA    2   NA   NA
 [9,]    1   NA   NA   NA
[10,]   NA    2   NA   NA
[11,]   NA   NA    3   NA
[12,]   NA   NA   NA    4
[13,]   NA   NA    3   NA
[14,]    1   NA   NA   NA
[15,]   NA    2   NA   NA
[16,]    1   NA   NA   NA

结果分布在矩阵中，而不仅仅是更改列，而 for 循环或 sapply 给了我想要的：

for (j in 1:4) dat2$x[M[, j]] <- j
# or
sapply(1:4, function(j) dat2$x[M[, j]] <<- j)

> dat3
   x
1  3
2  4
3  1
4  3
5  4
6  2
7  4
8  2
9  1
10 2
11 3
12 4
13 3
14 1
15 2
16 1

在这种/如此复杂的情况下如何正确使用replace？

顺便说一句，为什么<<- 的名声如此糟糕，即使它实现了它的目的，至少在这种情况下是这样？（或者这只是一个思维问题，因为我“听到”了一些东西？？）。如果它没有被用于意外破坏全局环境中某些东西的函数中，是否有一个非常糟糕的做法的例子？

【问题讨论】：

我无法理解您在第二个示例中尝试执行的操作（例如，rex 来自哪里？）。但是，您可能会研究矩阵索引。在第一个示例中，您可以使用dat1[cbind(seq_len(nrow(dat1)), res)] <- NA。 <<- 上有一篇与您无关的问题相关的先前帖子。
@lmo 这两个小例子应该只是一个代理，当我成功和失败时replace。您介意将我链接到与我无关的<<- 问题的相关帖子吗？
@lmo 这个？ stackoverflow.com/q/2628621/6574038
这里有三篇与<<-相关的帖子，其中的答案值得一读。 one，two，three。一个是您发布的链接。

标签： r replace

【解决方案1】：

replace 没有问题。问题是sapply 并行工作（不是并行处理的意义上，而只是概念上的），而不是对前一次迭代的结果应用一次迭代。为此，请使用Reduce。

transform(dat2, x = Reduce(function(x, i) replace(x, M[, i], i), init = x, 1:ncol(M)))

【讨论】：