Быстрая замена значений в dataframe в R

У меня есть dataframe из 150 000 строк с 2000 столбцами, содержащими значения, некоторые из которых являются отрицательными. Я заменяю эти отрицательные значения на 0, но делать это очень медленно (~ 60 мин или более).

df[df < 0] = 0

где df[,1441:1453] выглядит как (все столбцы/значения числовые):

  V1441 V1442 V1443 V1444 V1445 V1446 V1447 V1448 V1449 V1450 V1451 V1452 V1453
1     3     1     0     4     4    -2     0     3    12     5    17    34    27
2     0     1     0     7     0     0     0     1     0     0     0     0     0
3     0     2     0     1     2     3     6     1     2     1    -6     3     1
4     1     2     3     6     1     2     1    -6     3     1    -4     1     0
5     1     2     1    -6     3     1    -4     1     0     0     1     0     0
6     1     0     0     1     0     0     0     0     0     0     1     2     2

Есть ли способ ускорить такой процесс, например, как я это делаю, это очень медленно, и для этого существует более быстрый подход? Спасибо.

Ответ 1

Попробуйте преобразовать ваш df в матрицу.

df <- data.frame(a=rnorm(1000),b=rnorm(1000))
m <- as.matrix(df)
m[m<0] <- 0
df <- as.data.frame(m)

Ответ 2

Как ваш оригинальный подход, так и текущий ответ создают объект с тем же размером, что и m (или df) при создании m<0 (матричный подход быстрее, потому что меньше внутреннего копирования с [<- по сравнению с [<-.data.frame

Вы можете использовать lapply и replace, тогда вы смотрите только на вектор или length (nrow(df)) каждый раз и не копировать так много

df <- as.data.frame(lapply(df, function(x){replace(x, x <0,0)})

Вышеприведенный код должен быть достаточно эффективным.

Если вы используете data.table, тогда большая часть неэффективности использования памяти (и) подхода data.frame удаляется. Это было бы идеально для такой большой ситуации с данными, как ваша.

library(data.table)
# this really shouldn't be 
DT <- lapply(df, function(x){replace(x, x <0,0)})
# change to data.table
setattr(DT, 'class', c('data.table','data.frame'))
# or 
# DT <- as.data.table(df, function(x){replace(x, x <0,0)})

Вы можете устанавливать ключи во всех столбцах, а затем заменять ссылкой на значения ключей менее 0

Ответ 3

Другой ответ на data.table может быть быстрее и определенно должен занимать меньше памяти.

library(data.table)
set.seed(108)
d = data.table(a=rnorm(1000),b=rnorm(1000))
set.colwise = function(x, i, j, value) {
  replace_dot_j = function(e, j) {
    if (is.symbol(e) && identical(e, as.symbol(".j"))) return(j)
    if (is.call(e)) {
      if (e[[1L]] == ".j") e[[1L]] = j
      for (i in seq_along(e)[-1L]) if (!is.null(e[[i]])) e[[i]] = replace_dot_j(e[[i]], j)
    }
    e
  }
  for (jj in j) eval(substitute(
    set(x, .i, .j, value),
    list(
      .i=replace_dot_j(substitute(i), jj),
      .j=jj
    )
  ))
  invisible(x)
}
d
set.colwise(d, i = which(d[[.j]] < 0), j = c("a","b"), value = 0)
d

Символ .j используемый в аргументе i повторяется и заменяется столбцами из аргумента j.