R语言对比dataframe列与阈值向量 实现小值置0大值封顶

处理规则 #

• 对数据框逐列做双阈值处理：
  • 数值 < 对应列下限阈值：置为0
  • 数值 > 对应列上限阈值：截断为对应列上限值
  • 阈值向量顺序和数据框列顺序一一对应

示例输入 #

# 原始数据
A=structure(list(V1 = c(0.108762394171208, 0.462799827801064, 0.391699776984751, 
                        0.701799504924566), V2 = c(0.226724285865203, 0.163136613089591, 
                        0.428917320212349, 0.538211710518226), V3 = c(0.929441494401544, 
                        0.0767909574788064, 0.144388129469007, 0.555204615229741)),
                        class = "data.frame", row.names = c(NA, -4L))

# 各列下限阈值，顺序对应V1/V2/V3
Amin=c(0.15,0.12,0.08)
# 各列上限阈值，顺序对应V1/V2/V3
Amax=c(0.65,0.9,0.8)

期望输出 #

> A_res
         V1        V2        V3
1 0.0000000 0.2267243 0.8000000
2 0.4627998 0.1631366 0.0000000
3 0.3916998 0.4289173 0.1443881
4 0.6500000 0.5382117 0.5552046

问题根源 #

之前上限截断逻辑匹配错位，是因为R中向量和数据框做运算时，默认按列优先顺序循环展开向量：长度为3的阈值向量会被循环填充为12个元素（4行*3列），按列依次排布，导致列和阈值对应关系错乱。

实现代码 #

基础R实现（无依赖，效率最高） #

用mapply逐列传入对应列的数值、下限、上限阈值，从根源避免匹配错位：

A_res <- as.data.frame(
  mapply(function(col_val, low_thres, high_thres) {
    # 先处理下限置0
    tmp <- ifelse(col_val < low_thres, 0, col_val)
    # 再处理上限截断
    tmp <- pmin(tmp, high_thres)
    return(tmp)
  }, A, Amin, Amax)
)

如果习惯用下标赋值的写法，需要先把阈值转为按行重复的同维度矩阵，保证每行的每一列都对应到正确阈值：

A_res <- A
# 构造和A同维度的阈值矩阵，按行填充保证列匹配
low_mat <- matrix(Amin, nrow = nrow(A), ncol = ncol(A), byrow = TRUE)
high_mat <- matrix(Amax, nrow = nrow(A), ncol = ncol(A), byrow = TRUE)
# 下限置0
A_res[A < low_mat] <- 0
# 上限截断
A_res[A_res > high_mat] <- high_mat[A_res > high_mat]

Tidyverse实现（适合管道工作流） #

加载dplyr包，用across逐列处理，通过列位置匹配对应阈值：

library(dplyr)
A_res <- A %>%
  mutate(across(
    everything(),
    ~ case_when(
      .x < Amin[which(names(A) == cur_column())] ~ 0,
      .x > Amax[which(names(A) == cur_column())] ~ Amax[which(names(A) == cur_column())],
      TRUE ~ .x
    )
  ))

结果校验 #

运行上述任意一段代码，输出结果均符合预期：

> print(A_res, digits = 7)
         V1        V2        V3
1 0.0000000 0.2267243 0.8000000
2 0.4627998 0.1631366 0.0000000
3 0.3916998 0.4289173 0.1443881
4 0.6500000 0.5382117 0.5552046

内容的提问来源于stack exchange，提问作者Osvaldo Assunção