R 用0和1向量填充数据帧

我有一个带有两列（a和B）的数据帧。列A为分类列，B为数字列（范围从0.0到1.0）。我想创建一个C列，当B列中的值大于或等于0.5时，其值为1；当B列中的值小于0.5时，其值为0。有什么建议吗？最终df应如下所示：

A = c('spA', 'spB', 'spC', 'spD') 
B = c(0.25, 0.15, 0.50, 0.75) 
C = c(0,0,1,1) 
df = data.frame(A, B, C)

只用

A = c('spA', 'spB', 'spC', 'spD')  
B = c(0.25, 0.15, 0.50, 0.75)  
df = data.frame(A, B)

df$C <- as.numeric(df$B >= 0.5)

A=c（'spA'、'spB'、'spC'、'spD'）
B=c（0.25,0.15,0.50,0.75）
df=数据帧（A，B）
df$C=0.5）

@David Arenburg：上述三种解决方案的速度比较
老实说，我不知道为什么速度会那么快

require(microbenchmark)
microbenchmark(
  df$C <- ifelse(df$B>=0.5, 1, 0),
  transform(df, C = as.numeric(B >= 0.5)),
  df$C <- as.numeric(df$B>=0.5)
  )

require（微基准）
微基准(
df$C=0.5,1,0），
变换（df，C=as.numeric（B>=0.5）），
df$C=0.5）
)

结果:

Unit: microseconds
                                    expr     min       lq   median       uq    max neval
       df$C <- ifelse(df$B >= 0.5, 1, 0)  33.585  35.7580  38.1285  41.6845 140.66   100
 transform(df, C = as.numeric(B >= 0.5)) 143.821 149.7470 155.0815 164.5640 284.48   100
         df$C <- as.numeric(df$B >= 0.5)  20.546  22.9165  24.2995  27.2630  53.34   100

单位：微秒
expr最小lq中值uq最大neval
df$C=0.5,1,0）33.585 35.7580 38.1285 41.6845 140.66 100
变换（df，C=as.numeric（B>=0.5））143.821149.7470155.0815164.5640284.48100
df$C=0.5）20.546 22.9165 24.2995 27.2630 53.34 100

编辑：大型数据集

df <- data.frame(B=runif(100000))

require(microbenchmark)
microbenchmark(
  df$C <- ifelse(df$B>=0.5, 1, 0),
  transform(df, C = as.numeric(B >= 0.5)),
  df$C <- as.numeric(df$B>=0.5)
  )

Unit: microseconds
                                    expr       min        lq     median         uq       max neval
       df$C <- ifelse(df$B >= 0.5, 1, 0) 31620.826 33623.452 34529.8380 55652.9290 62707.064   100
 transform(df, C = as.numeric(B >= 0.5))   811.561   979.286  1032.6255  1248.5550  2333.137   100
         df$C <- as.numeric(df$B >= 0.5)   606.498   764.542   808.0045   979.0875 23805.112   100

df=0.5]，
df$C=0.5）
)
单位：微秒
expr最小lq中值uq最大neval
df$C=0.5,1,0）31620.826 33623.452 34529.8380 55652.9290 62707.064 100
转换（df，C=as.numeric（B>=0.5））811.561979.2861032.62551248.55502333.137100
df$C=0.5）606.498764.542808.0045979.087523805.112100

看一看

？ifelse

尽量避免

ifelse

。只要做

变换（df，C=as.numeric（B>=0.5））

或者更快

df$C=0.5）

@Floo0，它有多快？@jbaums我认为它很慢，因为它需要计算整个向量。TBH，我不知道到底是什么让它这么慢，但我肯定它非常慢。所以，我一直在努力避免它。你们是在4行数据集上进行基准测试吗？我两者都做了。刚刚添加了100000行数据集的结果。结果是一样的。对于大小数据集，

$

比转换更快。值得注意的是，分位数没有重叠。所以它明显更快…实际上，

$

的方差是巨大的，最大值更高了10倍，所以它实际上并不快。你只是碰巧变得更好了，更别提“你的”解决方案和我的没有什么不同。我没有使用

$

的原因是为了避免两次复制整个数据集，可能我错了，但我的解释更多地基于分位数，而不是极值。由于

$

的uq低于

转换的lq，我的解释是在大多数情况下
$
更快。在
$
糟糕的地方可能有25%，在
转换
快得多的地方也可能有25%。但我个人会支持“多数”——投票。。。