Ya no tienes que investigar más en otras páginas porque has llegado al sitio adecuado, tenemos la solución que buscas sin problema.
Solución:
Gracias por el ejemplo reproducible. Esto es algo de R bastante básico. Puede asignar a los elementos seleccionados de un vector (observe un array tiene dimensiones, y lo que has dado es un vector, no un array):
> pred_precipitation[pred_precipitation<0] <- 0
> pred_precipitation
[1] 1.2091281 0.0000000 7.7665555 0.0000000 0.0000000 0.0000000 0.5151504 0.0000000 1.8281251
[10] 0.5098688 2.8370263 0.4895606 1.5152191 4.1740177 7.1527742 2.8992215 4.5322934 6.7180530
[19] 0.0000000 1.1914052 3.6152333 0.0000000 0.3778717 0.0000000 1.4940469
¡Guerras de puntos de referencia!
@James encontró un método aún más rápido y lo dejó en un comentario. Lo voté a favor, aunque solo sea porque sé que su victoria será de corta duración.
Primero, intento compilar, pero eso no parece ayudar a nadie:
p <- rnorm(10000)
gsk3 <- function(x) x[x<0] <- 0; x
jmsigner <- function(x) ifelse(x<0, 0, x)
joshua <- function(x) pmin(x,0)
james <- function(x) (abs(x)+x)/2
library(compiler)
gsk3.c <- cmpfun(gsk3)
jmsigner.c <- cmpfun(jmsigner)
joshua.c <- cmpfun(joshua)
james.c <- cmpfun(james)
microbenchmark(joshua(p),joshua.c(p),gsk3(p),gsk3.c(p),jmsigner(p),james(p),jmsigner.c(p),james.c(p))
expr min lq median uq max
1 gsk3.c(p) 251.782 255.0515 266.8685 269.5205 457.998
2 gsk3(p) 256.262 261.6105 270.7340 281.3560 2940.486
3 james.c(p) 38.418 41.3770 43.3020 45.6160 132.342
4 james(p) 38.934 42.1965 43.5700 47.2085 4524.303
5 jmsigner.c(p) 2047.739 2145.9915 2198.6170 2291.8475 4879.418
6 jmsigner(p) 2047.502 2169.9555 2258.6225 2405.0730 5064.334
7 joshua.c(p) 237.008 244.3570 251.7375 265.2545 376.684
8 joshua(p) 237.545 244.8635 255.1690 271.9910 430.566
¡Pero espera! Dirk escribió esto de Rcpp. ¿Puede un completo incompetente en C++ leer su documento JSS, adaptar su ejemplo y escribir la función más rápida de todas? Estén atentos, queridos oyentes.
library(inline)
cpp_if_src <- '
Rcpp::NumericVector xa(a);
int n_xa = xa.size();
for(int i=0; i < n_xa; i++)
if(xa[i]<0) xa[i] = 0;
return xa;
'
cpp_if <- cxxfunction(signature(a="numeric"), cpp_if_src, plugin="Rcpp")
microbenchmark(joshua(p),joshua.c(p),gsk3(p),gsk3.c(p),jmsigner(p),james(p),jmsigner.c(p),james.c(p), cpp_if(p))
expr min lq median uq max
1 cpp_if(p) 8.233 10.4865 11.6000 12.4090 69.512
2 gsk3(p) 170.572 172.7975 175.0515 182.4035 2515.870
3 james(p) 37.074 39.6955 40.5720 42.1965 2396.758
4 jmsigner(p) 1110.313 1118.9445 1133.4725 1164.2305 65942.680
5 joshua(p) 237.135 240.1655 243.3990 250.3660 2597.429
Eso es afirmativo, capitán.
Esto modifica la entrada. p incluso si no lo asignas. Si quieres evitar ese comportamiento, tienes que clonar:
cpp_ifclone_src <- '
Rcpp::NumericVector xa(Rcpp::clone(a));
int n_xa = xa.size();
for(int i=0; i < n_xa; i++)
if(xa[i]<0) xa[i] = 0;
return xa;
'
cpp_ifclone <- cxxfunction(signature(a="numeric"), cpp_ifclone_src, plugin="Rcpp")
Lo que desafortunadamente mata la ventaja de la velocidad.
yo usaría pmax porque ifelse puede ser un poco lento a veces y el reemplazo de subconjuntos crea un vector adicional (que puede ser un problema con grandes conjuntos de datos).
set.seed(21)
pred_precipitation <- rnorm(25,2,4)
p <- pmax(pred_precipitation,0)
Sin embargo, el reemplazo de subconjuntos es, con mucho, el más rápido:
library(rbenchmark)
gsk3 <- function(x) x[x<0] <- 0; x
jmsigner <- function(x) ifelse(x<0, 0, x)
joshua <- function(x) pmin(x,0)
benchmark(joshua(p), gsk3(p), jmsigner(p), replications=10000, order="relative")
test replications elapsed relative user.self sys.self
2 gsk3(p) 10000 0.215 1.000000 0.216 0.000
1 joshua(p) 10000 0.444 2.065116 0.416 0.016
3 jmsigner(p) 10000 0.656 3.051163 0.652 0.000
Alternativamente, también puede usar ifelse:
ifelse(pred_precipitation < 0, 0, pred_precipitation)