Em R, tenho uma operação que cria alguns Infvalores quando transformo um dataframe.

Eu gostaria de transformar esses Infvalores em NAvalores. O código que tenho é lento para grandes dados. Existe uma maneira mais rápida de fazer isso?

Digamos que eu tenha o seguinte dataframe:

dat <- data.frame(a=c(1, Inf), b=c(Inf, 3), d=c("a","b"))

O seguinte funciona em um único caso:

 dat[,1][is.infinite(dat[,1])] = NA

Então eu generalizei com o seguinte loop

cf_DFinf2NA <- function(x)
{
    for (i in 1:ncol(x)){
          x[,i][is.infinite(x[,i])] = NA
    }
    return(x)
}

Mas não acho que isso esteja realmente usando o poder de R.

Opção 1

Use o fato de que a data.frameé uma lista de colunas e, em seguida, use do.callpara recriar a data.frame.

do.call(data.frame,lapply(DT, function(x) replace(x, is.infinite(x),NA)))

Opção 2 -- data.table

Você pode usar data.tablee set. Isso evita algumas cópias internas.

DT <- data.table(dat)
invisible(lapply(names(DT),function(.name) set(DT, which(is.infinite(DT[[.name]])), j = .name,value =NA)))

Ou usando números de coluna (possivelmente mais rápido se houver muitas colunas):

for (j in 1:ncol(DT)) set(DT, which(is.infinite(DT[[j]])), j, NA)

Horários

# some `big(ish)` data
dat <- data.frame(a = rep(c(1,Inf), 1e6), b = rep(c(Inf,2), 1e6), 
                  c = rep(c('a','b'),1e6),d = rep(c(1,Inf), 1e6),  
                  e = rep(c(Inf,2), 1e6))
# create data.table
library(data.table)
DT <- data.table(dat)

# replace (@mnel)
system.time(na_dat <- do.call(data.frame,lapply(dat, function(x) replace(x, is.infinite(x),NA))))
## user  system elapsed 
#  0.52    0.01    0.53 

# is.na (@dwin)
system.time(is.na(dat) <- sapply(dat, is.infinite))
# user  system elapsed 
# 32.96    0.07   33.12 

# modified is.na
system.time(is.na(dat) <- do.call(cbind,lapply(dat, is.infinite)))
#  user  system elapsed 
# 1.22    0.38    1.60 


# data.table (@mnel)
system.time(invisible(lapply(names(DT),function(.name) set(DT, which(is.infinite(DT[[.name]])), j = .name,value =NA))))
# user  system elapsed 
# 0.29    0.02    0.31 

data.tableé o mais rápido. O uso sapplytorna as coisas perceptivelmente mais lentas.

Use sapplyeis.na<-

> dat <- data.frame(a=c(1, Inf), b=c(Inf, 3), d=c("a","b"))
> is.na(dat) <- sapply(dat, is.infinite)
> dat
   a  b d
1  1 NA a
2 NA  3 b

Ou você pode usar (dando crédito a @mnel, cuja edição é),

> is.na(dat) <- do.call(cbind,lapply(dat, is.infinite))

o que é significativamente mais rápido.

[<-com mapplyé um pouco mais rápido do que sapply.

> dat[mapply(is.infinite, dat)] <- NA

Com os dados da mnel, o momento é

> system.time(dat[mapply(is.infinite, dat)] <- NA)
#   user  system elapsed 
# 15.281   0.000  13.750 

Aqui está uma solução dplyr / tidyverse usando a função na_if () :

dat %>% mutate_if(is.numeric, list(~na_if(., Inf)))

Observe que isso apenas substitui o infinito positivo por NA. É necessário repetir se os valores de infinito negativos também precisarem ser substituídos.

dat %>% mutate_if(is.numeric, list(~na_if(., Inf))) %>% 
  mutate_if(is.numeric, list(~na_if(., -Inf)))

Existe uma solução muito simples para este problema no pacote hablar:

library(hablar)

dat %>% rationalize()

Que retornam um quadro de dados com todos os Inf são convertidos em NA.

Timings em comparação com algumas soluções acima. Código: library (hablar) library (data.table)

dat <- data.frame(a = rep(c(1,Inf), 1e6), b = rep(c(Inf,2), 1e6), 
                  c = rep(c('a','b'),1e6),d = rep(c(1,Inf), 1e6),  
                  e = rep(c(Inf,2), 1e6))
DT <- data.table(dat)

system.time(dat[mapply(is.infinite, dat)] <- NA)
system.time(dat[dat==Inf] <- NA)
system.time(invisible(lapply(names(DT),function(.name) set(DT, which(is.infinite(DT[[.name]])), j = .name,value =NA))))
system.time(rationalize(dat))

Resultado:

> system.time(dat[mapply(is.infinite, dat)] <- NA)
   user  system elapsed 
  0.125   0.039   0.164 
> system.time(dat[dat==Inf] <- NA)
   user  system elapsed 
  0.095   0.010   0.108 
> system.time(invisible(lapply(names(DT),function(.name) set(DT, which(is.infinite(DT[[.name]])), j = .name,value =NA))))
   user  system elapsed 
  0.065   0.002   0.067 
> system.time(rationalize(dat))
   user  system elapsed 
  0.058   0.014   0.072 
> 

Parece que data.table é mais rápido que hablar. Mas tem sintaxe mais longa.

Feng Mai tem uma resposta inversa acima para obter infinitos negativos e positivos:

dat %>% mutate_if(is.numeric, list(~na_if(., Inf))) %>% 
  mutate_if(is.numeric, list(~na_if(., -Inf)))

Isso funciona bem, mas uma palavra de advertência não é trocar abs (.) Aqui para fazer as duas linhas ao mesmo tempo, como é proposto em um comentário votado. Vai parecer que funciona, mas altera todos os valores negativos no conjunto de dados para positivos! Você pode confirmar com isto:

data(iris)
#The last line here is bad - it converts all negative values to positive
iris %>% 
  mutate_if(is.numeric, ~scale(.)) %>%
  mutate(infinities = Sepal.Length / 0) %>%
  mutate_if(is.numeric, list(~na_if(abs(.), Inf)))

Para uma linha, isso funciona:

  mutate_if(is.numeric, ~ifelse(abs(.) == Inf,NA,.))

Outra solução:

    dat <- data.frame(a = rep(c(1,Inf), 1e6), b = rep(c(Inf,2), 1e6), 
                      c = rep(c('a','b'),1e6),d = rep(c(1,Inf), 1e6),  
                      e = rep(c(Inf,2), 1e6))
    system.time(dat[dat==Inf] <- NA)

#   user  system elapsed
#  0.316   0.024   0.340

Você também pode usar a útil função replace_na: https://tidyr.tidyverse.org/reference/replace_na.html