用0replacematrix<0.1中的所有值

我有一个来自空气质量模型的颗粒物质浓度估计matrix（260×58）。由于实际的空气质量监测器不能测量低于0.1微克/升，我需要replace我的matrix中的所有值<0.1与零/ NA /空值。

有人用逻辑语句提示了ifelse(test, true, false) ，但是当我尝试这个时，它删除了所有东西。

ifelse应该工作：

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

但是我会select哈伦的答案。

 mat[mat < 0.1] <- NA

 X[X < .1] <- 0

（或NA，尽pipe在这种情况下听起来更合适）。

matrix只是具有维度的向量，所以当您分配给它们时，您可以将它们当作向量对待。在这种情况下，你要在X上创build一个布尔向量来表示小的值，并且把右边赋给每个真值为TRUE的元素。

只是提供一个（在我看来）有趣的select：

如果你需要钳制这些值，所以它们永远不会小于一个值，你可以使用pmax ：

 set.seed(42) m <- matrix(rnorm(100),10) m <- pmax(m, 0) # clamp negative values to 0

…虽然你希望值<0.1变成0，但这并不适用于你的情况。

一个data.frame解决scheme：

 if(!require(plyr)){ install.packages("plyr")} rm.neg<-colwise(function(x){ return(ifelse(x < 0.1, 0, x))}) rm.neg(data.frame(mat))

PS：可以提取和简化rm.neg的代码，从而不需要调用plyr来创buildcolwise函数。

我想你会发现'ifelse'不是一个向量操作（它实际上是作为一个循环执行的），所以它的大小顺序比向量等价。 R有利于vector操作，这就是为什么应用，mapply，sapply在某些计算中闪电般快速。

小数据集，不是问题，但是如果你有一个长度为100k或更长的数组，你可以在任何涉及循环的方法结束之前去做一个烤晚餐。

下面的代码应该工作。

为vector

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

对于Dataframe或Matrix。

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

另一个快速的方法，通过pmax和pmin函数，这个上限在0和1之间，你可以把一个matrix或数据框作为第一个参数没有问题。

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

其他等效方法：

让：

 M=matrix(rnorm(10*10), 10, 10)

蛮力（教育）

 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 }

如果M中有缺失值（NA），则忽略!is.na会给出错误。

另一种方式：在car使用recode ：

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

在这里不能指定一个严格的不等式，所以这就是为什么有一堆9.放多个九，它变成0.1。 lo是recode的一个方便，它给出了最小值（删除NAs）。