用R中的现有值替换数据框中的最大值和最小值
我想这是一项简单的任务，但因为我对这个世界还不熟悉，所以这个问题对我来说更大 我有这个初始data.frame：用R中的现有值替换数据框中的最大值和最小值,r,dataframe,replace,apply,R,Dataframe,Replace,Apply,我想这是一项简单的任务，但因为我对这个世界还不熟悉，所以这个问题对我来说更大 我有这个初始data.frame： > df a b c 1 -0.05 0.31 0.62 2 0.78 0.25 -0.01 3 0.68 0.33 -0.04 4 -0.01 0.30 0.56 5 0.55 0.28 -0.03 我想做的是用其他特定值替换每行的每个最大值和最小值 因此，我所做的是创建另一个具有新列的数据框，以便将这些列用作“其他特定值” 以下是输出：
> df
a b c
1 -0.05 0.31 0.62
2 0.78 0.25 -0.01
3 0.68 0.33 -0.04
4 -0.01 0.30 0.56
5 0.55 0.28 -0.03
df_2 <- df
df_2$Rep_MAX <- apply(df_2, 1, max) - 0.1
df_2$Rep_MIN <- apply(df_2, 1, min) + 0.1
print(df_2)
a b c Rep_MAX Rep_MIN
1 -0.05 0.31 0.62 0.52 0.05
2 0.78 0.25 -0.01 0.68 0.09
3 0.68 0.33 -0.04 0.58 0.06
4 -0.01 0.30 0.56 0.46 0.09
5 0.55 0.28 -0.03 0.45 0.07
有什么想法吗？我的想法是找出每行中最大值和最小值的位置并替换它们：
# Find out the row and column index for maximum and minimum value
max_pos <- matrix(c(1:nrow(df), apply(df, 1, which.max)), ncol=2)
min_pos <- matrix(c(1:nrow(df), apply(df, 1, which.min)), ncol=2)
# Replace them
df[max_pos] <- df[max_pos] - 0.1
df[min_pos] <- df[min_pos] + 0.1
df
a b c
1 0.05 0.31 0.52
2 0.68 0.25 0.09
3 0.58 0.33 0.06
4 0.09 0.30 0.46
5 0.45 0.28 0.07
#找出最大值和最小值的行和列索引
max_pos我的想法是找出每行中最大值和最小值的位置并替换它们：
# Find out the row and column index for maximum and minimum value
max_pos <- matrix(c(1:nrow(df), apply(df, 1, which.max)), ncol=2)
min_pos <- matrix(c(1:nrow(df), apply(df, 1, which.min)), ncol=2)
# Replace them
df[max_pos] <- df[max_pos] - 0.1
df[min_pos] <- df[min_pos] + 0.1
df
a b c
1 0.05 0.31 0.52
2 0.68 0.25 0.09
3 0.58 0.33 0.06
4 0.09 0.30 0.46
5 0.45 0.28 0.07
#找出最大值和最小值的行和列索引
max_pos使用apply
遍历每一行，根据需要替换max和min值，然后重新打包为数据帧
df <- data.frame(a=c(-0.05,0.78,0.68,-.01,0.55),
b=c(0.31,0.25,0.33,0.30,0.28),
c=c(0.62,-0.01,-0.04,0.56,-0.03))
df2 <- as.data.frame(t(apply(df,1,function(r) {r[which.min(r)] <- r[which.min(r)]+0.1
r[which.max(r)] <- r[which.max(r)]-0.1
return(r)})))
df2
a b c
1 0.05 0.31 0.52
2 0.68 0.25 0.09
3 0.58 0.33 0.06
4 0.09 0.30 0.46
5 0.45 0.28 0.07
df使用apply
遍历每一行，根据需要替换最大值和最小值，然后重新打包为数据帧
df <- data.frame(a=c(-0.05,0.78,0.68,-.01,0.55),
b=c(0.31,0.25,0.33,0.30,0.28),
c=c(0.62,-0.01,-0.04,0.56,-0.03))
df2 <- as.data.frame(t(apply(df,1,function(r) {r[which.min(r)] <- r[which.min(r)]+0.1
r[which.max(r)] <- r[which.max(r)]-0.1
return(r)})))
df2
a b c
1 0.05 0.31 0.52
2 0.68 0.25 0.09
3 0.58 0.33 0.06
4 0.09 0.30 0.46
5 0.45 0.28 0.07
df我们可以使用向量化的max.col
找到每行最大值的列索引（在第二种情况下，我们乘以-1
，这样索引将对应于最小值），cbind
使用行索引获取行/列索引的矩阵
，该矩阵可用于提取数据集的值，并使用减法或加法0.1进行更新
j1 <- cbind(1:nrow(df), max.col(df, 'first'))
j2 <- cbind(1:nrow(df), max.col(-df, 'first'))
df[j1] <- df[j1]- 0.1
df[j2] <- df[j2] + 0.1
df
# a b c
#1 0.05 0.31 0.52
#2 0.68 0.25 0.09
#3 0.58 0.33 0.06
#4 0.09 0.30 0.46
#5 0.45 0.28 0.07
j1我们可以使用向量化的max.col
找到每行最大值的列索引（在第二种情况下，我们乘以-1
，这样索引将对应于最小值），cbind
使用行索引获取行/列索引的矩阵
，该矩阵可用于提取数据集的值，并使用减法或加法0.1进行更新
j1 <- cbind(1:nrow(df), max.col(df, 'first'))
j2 <- cbind(1:nrow(df), max.col(-df, 'first'))
df[j1] <- df[j1]- 0.1
df[j2] <- df[j2] + 0.1
df
# a b c
#1 0.05 0.31 0.52
#2 0.68 0.25 0.09
#3 0.58 0.33 0.06
#4 0.09 0.30 0.46
#5 0.45 0.28 0.07
这正是我想要的。谢谢大家!@这正是我想要的。谢谢大家!@贾森旺