我已经了解了可能成为我朋友的replace
功能
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更换情况下工作:
(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$x, M[, j], j))
[,1] [,2] [,3] [,4]
[1,] NA NA 3 NA
[2,] NA NA NA 4
[3,] 1 NA NA NA
[4,] NA NA 3 NA
[5,] NA NA NA 4
[6,] NA 2 NA NA
[7,] NA NA NA 4
[8,] NA 2 NA NA
[9,] 1 NA NA NA
[10,] NA 2 NA NA
[11,] NA NA 3 NA
[12,] NA NA NA 4
[13,] NA NA 3 NA
[14,] 1 NA NA NA
[15,] NA 2 NA NA
[16,] 1 NA NA NA
结果以矩阵形式分布,而不是只改变列,而for
循环或sapply
给我我想要的东西:
for (j in 1:4) dat2$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
如何在这种/更复杂的情况下正确使用replace
?
顺便说一句,为什么<<-
即使达到了它的目的也有这么糟糕的声誉,至少在这种情况下呢? (或者它只是一个思考问题,因为我“听到”了什么?)。是否存在一个非常糟糕的实践示例,如果它没有被用于在全球环境中意外破坏某些东西的功能中?
这对replace
来说不是问题。问题是sapply
并行工作(不是在paraellel处理的意义上,而只是概念上),而不是对先前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)))