R 按3个条件计算

我有一个数据集，想计算3个单独的条件

两列

coins

和

copay

中均为“0”的行数-将任一列中的N/A计算为0

coins.copay

column=1但不包括满足条件1的值的行数

coins.copay

column=0但不包括满足条件1的值的行数

以下是来自更大数据集的示例：

Plan   Year   Coins   Copay   Type   Coins.Copay
 A     2018     0      NA      HMO        1
 B     2018    10      NA      HMO        1
 C     2017    NA       0      SNP        0
 D     2015    20      20      SNP        0
 E     2016    20       0      HMO        1
 F     2018    10      10      HMO        0
 G     2016    NA      NA      HMO        0
 H     2014    NA      NA      HMO        0
 I     2012    NA      10      PPO        0
 J     2011     0       0      HMO        0
 K     2014     5      10      SNP        0
 L     2013    10      NA      HMO        1

因此，我希望获得以下计数（基于上述条件）：

5（平面图A、C、G、H、J满足条件）

3（方案B、E、L满足条件；方案A不计入满足条件1）

4（方案D、F、I、K满足条件；方案C、G、H、J不计入满足条件1）

---

仅使用布尔逻辑即可非常有效地完成此操作：

zeros_or_na <- (is.na(df$Coins) | !df$Coins) & (is.na(df$Copay) | !df$Copay)
sum(zeros_or_na)                     # [1] 5
sum(df$Coins.Copay & !zeros_or_na)   # [1] 3
sum(!df$Coins.Copay & !zeros_or_na)  # [1] 4

---

zero_或_na一个选项可以是：

方法：

1.在内部条件下使用
&
，以便快速做出决定

2.过滤条件
2和3
，因此只应用一次过滤

3.一旦使用过滤数据计算出条件
2和3
，从总行计数中减去它们的
和
，以获得其计数
条件1

工作台性能分析：

CBarun <- function(df){
  zeros_or_na <- (is.na(df$Coins) | !df$Coins) & (is.na(df$Copay) | !df$Copay)
  Condition_One = sum(zeros_or_na)                     # [1] 5
  coins.copay_1 = sum(df$Coins.Copay & !zeros_or_na)   # [1] 3
  coins.copay_0 = sum(!df$Coins.Copay & !zeros_or_na)  # [1] 4
}


Masoud <- function(df){
  Condition_One = length(which(rowSums(cbind(df$Coins, df$Copay), na.rm=T)==0)) #5

  coins.copay_1 = length(which(rowSums(cbind(df$Coins, df$Copay), na.rm=T)!=0 &
  df$Coins.Copay!=0)) #3

  coins.copay_0 = length(which(rowSums(cbind(df$Coins, df$Copay), na.rm=T)!=0 &
  df$Coins.Copay==0))   
}

MKR <- function(df){

  Excluded_conditino_one = which((!is.na(df$Coins) &
          df$Coins) | (!is.na(df$Copay) & df$Copay))

  coins.copay_1 = sum(df[Excluded_conditino_one,"Coins.Copay"]==1) #3
  coins.copay_0 = sum(df[Excluded_conditino_one,"Coins.Copay"]==0) #4


  Condition_One = length(df$Plan) - (coins.copay_1+coins.copay_0)  #5
}


library(microbenchmark)

microbenchmark(CBarun(df),
               #AyushNigam(),
               Masoud(df),
               MKR(df),
               times = 10
)

# Unit: microseconds
#       expr     min      lq     mean   median      uq     max neval
# CBarun(df)  60.790  61.185  71.7644  62.7645  67.896 137.370    10
# Masoud(df) 185.923 186.317 209.9624 201.3180 222.633 273.949    10
# MKR(df)    101.054 102.633 122.1330 106.1850 121.975 227.370    10

CBarun另一个选项是使用
length
和
rowSums
：

length(which(rowSums(cbind(df$Coins, df$Copay), na.rm=T)==0)) #5

length(which(rowSums(cbind(df$Coins, df$Copay), na.rm=T)!=0 & df$Coins.Copay!=0)) #3

length(which(rowSums(cbind(df$Coins, df$Copay), na.rm=T)!=0 & df$Coins.Copay==0)) #4

我做了性能基准测试。看一看，如果你想改变你的逻辑，请告诉我。@MKR我在你的帖子下面留下了评论。引用：“微秒基准在R中是没有意义的，因为某些函数在启动时会有开销。某些函数在一个小数据集上没有几微秒的开销这一事实并不意味着它在一个大数据集上也会有同样的开销。换句话说，用户无论如何都感觉不到这种微小的开销，但他们在大数据集上可以感觉到分秒的开销。因此，基准应该至少以毫秒为单位，如果不是更多的话。”
df <- read.table(text = 
"Plan   Year   Coins   Copay   Type   Coins.Copay
A     2018     0      NA      HMO        1
B     2018    10      NA      HMO        1
C     2017    NA       0      SNP        0
D     2015    20      20      SNP        0
E     2016    20       0      HMO        1
F     2018    10      10      HMO        0
G     2016    NA      NA      HMO        0
H     2014    NA      NA      HMO        0
I     2012    NA      10      PPO        0
J     2011     0       0      HMO        0
K     2014     5      10      SNP        0
L     2013    10      NA      HMO        1",
header = TRUE, stringsAsFactors = FALSE)

length(which(rowSums(cbind(df$Coins, df$Copay), na.rm=T)==0)) #5

length(which(rowSums(cbind(df$Coins, df$Copay), na.rm=T)!=0 & df$Coins.Copay!=0)) #3

length(which(rowSums(cbind(df$Coins, df$Copay), na.rm=T)!=0 & df$Coins.Copay==0)) #4