用值替换R data.table中的所有缺失值

Question

如果你有一个缺少值的R data.table,你如何用值0替换所有这些值？例如

aa = data.table(V1=1:10,V2=c(1,2,2,3,3,3,4,4,4,4))
bb = data.table(V1=3:6,X=letters[1:4])
setkey(aa,V1)
setkey(bb,V1)
tt = bb[aa]

    V1  X V2
 1:  1 NA  1
 2:  2 NA  2
 3:  3  a  2
 4:  4  b  3
 5:  5  c  3
 6:  6  d  3
 7:  7 NA  4
 8:  8 NA  4
 9:  9 NA  4
10: 10 NA  4

有没有办法在一行中做到这一点？如果它只是一个矩阵,你可以这样做:

tt[is.na(tt)] = 0

Answer 1

is.na(作为原语)具有相对非常少的开销并且通常非常快.因此,您可以循环遍历列并使用set替换NA with0`.

使用<-分配将导致所有列的副本,这不是使用的惯用方法data.table.

首先,我将说明如何执行此操作,然后显示它可以在大量数据上获得多慢(由于副本):

有效地做到这一点的一种方法:

for (i in seq_along(tt)) set(tt, i=which(is.na(tt[[i]])), j=i, value=0)

你会在这里得到一个警告:"0"被强制转换为字符以匹配列的类型.你可以忽略它.

你为什么不在这里使用<-:

# by reference - idiomatic way
set.seed(45)
tt <- data.table(matrix(sample(c(NA, rnorm(10)), 1e7*3, TRUE), ncol=3))
tracemem(tt)
# modifies value by reference - no copy
system.time({
for (i in seq_along(tt)) 
    set(tt, i=which(is.na(tt[[i]])), j=i, value=0)
})
#   user  system elapsed 
#  0.284   0.083   0.386 

# by copy - NOT the idiomatic way
set.seed(45)
tt <- data.table(matrix(sample(c(NA, rnorm(10)), 1e7*3, TRUE), ncol=3))
tracemem(tt)
# makes copy
system.time({tt[is.na(tt)] <- 0})
# a bunch of "tracemem" output showing the copies being made
#   user  system elapsed 
#  4.110   0.976   5.187 

Answer 2

这里没什么不寻常的:

tt[is.na(tt)] = 0

..将工作.

鉴于以下情况,这有点令人困惑:

tt[is.na(tt)]

...目前返回:

在错误[.data.table(TT,is.na(TT)):i为无效型(矩阵).也许在将来,2列矩阵可以返回DT的元素列表(在FAQ 2.14中的A [B]的精神中).如果您愿意,请告知datatable-help,或者将您的评论添加到FR#1611.