从R数据框清除`Inf'值 [英] Cleaning `Inf` values from an R dataframe

问题描述

在R中，我有一个操作，在转换数据帧时创建一些 Inf 值。

In R, I have an operation which creates some Inf values when I transform a dataframe.

我想将这些值转换为 NA 值（是，在这种情况下是适当的）。我有一个黑客，但它在大数据的情况下是缓慢的 - 有更多的R 这样做的方式吗？

I would like to turn these Inf values into NA values (yes, it is appropriate in this case). I have a hack, but it's slow in the case of large data - is there a more R way of doing this?

说我有以下数据框：

dat <- data.frame(a=c(1, Inf), b=c(Inf, 3), d=c("a","b"))

以下在单个案例中工作：

The following works in a single case:

 dat[,1][is.infinite(dat[,1])] = NA

cf_DFinf2NA <- function(x)
{
    for (i in 1:ncol(x)){
          x[,i][is.infinite(x[,i])] = NA
    }
    return(x)
}

...但我不认为这真的使用R的力量。

... but i don't think that this is really using the power of R.

推荐答案

选项1

使用 data.frame 是列的列表，然后使用 do.call 重新创建一个 data.frame 。 / p>



Option 1

Use the fact that a data.frame is a list of columns, then use do.call to recreate a data.frame.

do.call(data.frame,lapply(DT, function(x) replace(x, is.infinite(x),NA)))

选项2 - data.table

您可以使用 data.table 和 set 。

DT <- data.table(dat)
invisible(lapply(names(DT),function(.name) set(DT, which(is.infinite(DT[[.name]])), j = .name,value =NA)))

或使用列号（如果列有很多列，可能更快）：

Or using column numbers (possibly faster if there are a lot of columns):

for (j in 1:ncol(DT)) set(DT, which(is.infinite(DT[[j]])), j, NA)

时间

Timings

# some `big(ish)` data
dat <- data.frame(a = rep(c(1,Inf), 1e6), b = rep(c(Inf,2), 1e6), 
                  c = rep(c('a','b'),1e6),d = rep(c(1,Inf), 1e6),  
                  e = rep(c(Inf,2), 1e6))
# create data.table
library(data.table)
DT <- data.table(dat)

# replace (@mnel)
system.time(na_dat <- do.call(data.frame,lapply(dat, function(x) replace(x, is.infinite(x),NA))))
## user  system elapsed 
#  0.52    0.01    0.53 

# is.na (@dwin)
system.time(is.na(dat) <- sapply(dat, is.infinite))
# user  system elapsed 
# 32.96    0.07   33.12 

# modified is.na
system.time(is.na(dat) <- do.call(cbind,lapply(dat, is.infinite)))
#  user  system elapsed 
# 1.22    0.38    1.60 


# data.table (@mnel)
system.time(invisible(lapply(names(DT),function(.name) set(DT, which(is.infinite(DT[[.name]])), j = .name,value =NA))))
# user  system elapsed 
# 0.29    0.02    0.31 

data.table 是最快的。使用 sapply 可以明显减缓操作。

data.table is the quickest. Using sapply slows things down noticeably.

这篇关于从R数据框清除`Inf'值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！