R 替换矩阵中的所有值<；0.1加0

我有一个根据空气质量模型估算的颗粒物浓度矩阵（2601 x 58）。由于现实生活中的空气质量监测器无法测量低于0.1 ug/L的空气质量，因此我需要替换矩阵中

X[X<0.1]
如果其他
可以工作：

mat <- matrix(runif(100),ncol=5)
mat <- ifelse(mat<0.1,NA,mat)

mat仅提供一个（我认为）有趣的替代方案：

如果需要钳制值，使其永远不小于某个值，可以使用
pmax
：

set.seed(42)
m <- matrix(rnorm(100),10)

m <- pmax(m, 0) # clamp negative values to 0

set.seed（42）
m其他等效方法：

让我们：

暴力（教育性）

这里不能指定一个严格的不等式，所以这里有一堆9。再加上9，它就会变成0.1
lo
是一种方便的重新编码方式，可提供最小值（删除NAs）。
data.frame解决方案：

if(!require(plyr)){
    install.packages("plyr")}

rm.neg<-colwise(function(x){
  return(ifelse(x < 0.1, 0, x))})

rm.neg(data.frame(mat))

if（！require（plyr））{
install.packages（“plyr”）}
rm.neg我想你会发现“ifelse”不是一个向量运算（它实际上作为一个循环执行），因此它比向量等价物慢几个数量级。R支持向量运算，这就是为什么apply、mapply和sapply在某些计算中速度极快的原因

小数据集，这不是问题，但如果您有一个长度为100k或更大的数组，您可以使用任何涉及循环的方法，在它结束之前烹饪一顿烤晚餐

下面的代码应该可以工作

矢量

minvalue <- 0
X[X < minvalue] <- minvalue

minvalue关于用什么替换负值或零值的问题是一个有趣的问题。因为很多模型都是建立在对数（y）的基础上的，所以我经常将它们替换为法线下限和零之间的中点。（可能是第二个问题，最好在stats.exchange上提出。）@Dwin，+1。我想看看第二个问题，它是crossvalidated.com上的答案。这是一个有趣的评论-我明白你在说什么。。。在上下文中，我使用这些值与急诊科数据进行回归（人口流行病学研究）。我被解释为什么要替换@mEvans:interest。“零膨胀”是指处理过多零的模型，因此您很可能正在创建一种数据情况，需要正确处理“零膨胀数据”的分析。此问题的框架解决方案？您可以仅对某些列执行此操作吗？当我在整个矩阵上运行它时，它会替换其他列中的其他值（如日期和时间等）。对于COL的子集，您可以使用：
X[，c（1,3,5）]@mEvans：如果在不同的列中有不同类型的数据，这意味着您可能有一个数据框，而不是矩阵。在R中，这些是不同的生物，尽管许多操作将同时使用这两种生物。在做任何其他事情之前，您应该检查您的数据集是什么，因为这可能会在以后为您节省很多痛苦。@jbaums这对矩阵很有效，但对向量无效。例如，案例X[，1]（仅使用1列）失败，因为dim（X[，1]）=NULL。困扰我的是，函数描述说它可以处理向量（有长度，但没有维度）和矩阵（有长度和维度）。@GuilhermeSalomé-你可以添加
drop=FALSE
，以确保它可以处理单个列。ifelse的问题是它似乎把我的矩阵变成了向量。。。我能把它改造成矩阵吗？@mEvans我不行！如果我粘贴我的代码，我得到矩阵回来。。。但是，可以使用
矩阵（mat）
将
向量
转换为
矩阵
。再看看
matrix
的所有可选参数。但是，正如我在回答中所说的，我认为哈兰的答案是最好的。
M=matrix(rnorm(10*10), 10, 10)

for (i in 1:nrow(M)) {
    for (j in 1:ncol(M)) if (M[i,j]<0.1 & !is.na(M[i,j]) ) M[i,j]=NA
    }

library(car)
recode(M, "lo:0.099999=NA")

if(!require(plyr)){
    install.packages("plyr")}

rm.neg<-colwise(function(x){
  return(ifelse(x < 0.1, 0, x))})

rm.neg(data.frame(mat))

minvalue <- 0
X[X < minvalue] <- minvalue

minvalue <- 0
n <- 10 #change to whatever.
columns <- c(1:n)
X[X[,columns] < minvalue,columns] <- minvalue

ulbound <- function(v,MAX=1,MIN=0) pmin(MAX,pmax(MIN,v))