I have a dataframe where I cannot have values equal to ZERO. I would like R to identify ZERO values in specific columns (3rd to 12th) and convert to a limit of 0.0001 for example.
for example
df=read.table(text="st Date OD pH DBO st year Veg Water Soil Crop Grass
A 01/07/2005 8 6.3 3 A 2005 100 200 80 130 70
A 02/06/2005 7 6.2 2.2 A 2005 100 200 80 130 70
A 01/01/2005 0 6.5 3.1 A 2005 100 200 80 130 70
A 03/05/2006 6 6.3 4 A 2005 100 200 80 130 70
A 09/08/2006 6.8 7.1 1.1 A 2005 100 200 80 130 70
A 12/12/2006 7.3 8.1 2.9 A 2005 100 200 80 130 70
B 02/07/2005 6.8 5.4 2.6 B 2006 98 180 0.1 132 86
B 03/06/2005 6 5.3 1.9 B 2006 98 180 84 132 86
B 02/01/2005 6.2 5.5 2.6 B 2006 98 180 84 132 86
B 04/05/2006 0 5.4 0 B 2006 98 0 84 132 0
B 10/08/2006 5.8 6 0.9 B 2006 98 0 84 132 86
B 13/12/2006 6.2 6.9 2.5 B 2006 98 0 84 132 86
C 20/12/2006 6.5 7.2 2.6 C 2007 93 0 79 127 106
C 27/12/2006 6.8 7.6 2.7 C 2007 93 0 79 127 0
C 03/01/2007 7.2 8 2.9 C 2007 93 0 79 127 106
C 10/01/2007 7.5 8.4 3 C 2007 93 0 0 127 106
C 17/01/2007 7.9 8.8 0 C 2007 93 175 79 127 106
C 24/01/2007 8.3 9.2 3.3 C 2007 93 175 79 0 106
C 31/01/2007 8.7 9.7 3.5 C 2007 93 175 79 127 106
C 07/02/2007 9.2 10.2 3.6 C 2007 93 175 79 0 106", sep="", header=TRUE)
CodePudding user response：
You can also do this with dplyr.
library(tidyverse)
df %>%
mutate(across(OD:Grass, ~ replace(., . == 0 , 0.0001)))
Output
st Date OD pH DBO st.1 year Veg Water Soil Crop Grass
1 A 01/07/2005 8.0000 6.3 3.0000 A 2005 100 200.0000 80.0000 130.0000 70.0000
2 A 02/06/2005 7.0000 6.2 2.2000 A 2005 100 200.0000 80.0000 130.0000 70.0000
3 A 01/01/2005 0.0001 6.5 3.1000 A 2005 100 200.0000 80.0000 130.0000 70.0000
4 A 03/05/2006 6.0000 6.3 4.0000 A 2005 100 200.0000 80.0000 130.0000 70.0000
5 A 09/08/2006 6.8000 7.1 1.1000 A 2005 100 200.0000 80.0000 130.0000 70.0000
6 A 12/12/2006 7.3000 8.1 2.9000 A 2005 100 200.0000 80.0000 130.0000 70.0000
7 B 02/07/2005 6.8000 5.4 2.6000 B 2006 98 180.0000 0.1000 132.0000 86.0000
8 B 03/06/2005 6.0000 5.3 1.9000 B 2006 98 180.0000 84.0000 132.0000 86.0000
9 B 02/01/2005 6.2000 5.5 2.6000 B 2006 98 180.0000 84.0000 132.0000 86.0000
10 B 04/05/2006 0.0001 5.4 0.0001 B 2006 98 0.0001 84.0000 132.0000 0.0001
11 B 10/08/2006 5.8000 6.0 0.9000 B 2006 98 0.0001 84.0000 132.0000 86.0000
12 B 13/12/2006 6.2000 6.9 2.5000 B 2006 98 0.0001 84.0000 132.0000 86.0000
13 C 20/12/2006 6.5000 7.2 2.6000 C 2007 93 0.0001 79.0000 127.0000 106.0000
14 C 27/12/2006 6.8000 7.6 2.7000 C 2007 93 0.0001 79.0000 127.0000 0.0001
15 C 03/01/2007 7.2000 8.0 2.9000 C 2007 93 0.0001 79.0000 127.0000 106.0000
16 C 10/01/2007 7.5000 8.4 3.0000 C 2007 93 0.0001 0.0001 127.0000 106.0000
17 C 17/01/2007 7.9000 8.8 0.0001 C 2007 93 175.0000 79.0000 127.0000 106.0000
18 C 24/01/2007 8.3000 9.2 3.3000 C 2007 93 175.0000 79.0000 0.0001 106.0000
19 C 31/01/2007 8.7000 9.7 3.5000 C 2007 93 175.0000 79.0000 127.0000 106.0000
20 C 07/02/2007 9.2000 10.2 3.6000 C 2007 93 175.0000 79.0000 0.0001 106.0000
CodePudding user response：
You can use pmax(1e-5, .) for that.
isnum <- intersect(3:12, which(sapply(df, is.numeric)))
isnum
# [1] 3 4 5 7 8 9 10 11 12
df[isnum] <- lapply(df[isnum], pmax, 1e-5)
df
# st Date OD pH DBO st.1 year Veg Water Soil Crop Grass
# 1 A 01/07/2005 8.00000 6.3 3.00000 A 2005 100 2.00e 02 8.0e 01 1.30e 02 7.00e 01
# 2 A 02/06/2005 7.00000 6.2 2.20000 A 2005 100 2.00e 02 8.0e 01 1.30e 02 7.00e 01
# 3 A 01/01/2005 0.00001 6.5 3.10000 A 2005 100 2.00e 02 8.0e 01 1.30e 02 7.00e 01
# 4 A 03/05/2006 6.00000 6.3 4.00000 A 2005 100 2.00e 02 8.0e 01 1.30e 02 7.00e 01
# 5 A 09/08/2006 6.80000 7.1 1.10000 A 2005 100 2.00e 02 8.0e 01 1.30e 02 7.00e 01
# 6 A 12/12/2006 7.30000 8.1 2.90000 A 2005 100 2.00e 02 8.0e 01 1.30e 02 7.00e 01
# 7 B 02/07/2005 6.80000 5.4 2.60000 B 2006 98 1.80e 02 1.0e-01 1.32e 02 8.60e 01
# 8 B 03/06/2005 6.00000 5.3 1.90000 B 2006 98 1.80e 02 8.4e 01 1.32e 02 8.60e 01
# 9 B 02/01/2005 6.20000 5.5 2.60000 B 2006 98 1.80e 02 8.4e 01 1.32e 02 8.60e 01
# 10 B 04/05/2006 0.00001 5.4 0.00001 B 2006 98 1.00e-05 8.4e 01 1.32e 02 1.00e-05
# 11 B 10/08/2006 5.80000 6.0 0.90000 B 2006 98 1.00e-05 8.4e 01 1.32e 02 8.60e 01
# 12 B 13/12/2006 6.20000 6.9 2.50000 B 2006 98 1.00e-05 8.4e 01 1.32e 02 8.60e 01
# 13 C 20/12/2006 6.50000 7.2 2.60000 C 2007 93 1.00e-05 7.9e 01 1.27e 02 1.06e 02
# 14 C 27/12/2006 6.80000 7.6 2.70000 C 2007 93 1.00e-05 7.9e 01 1.27e 02 1.00e-05
# 15 C 03/01/2007 7.20000 8.0 2.90000 C 2007 93 1.00e-05 7.9e 01 1.27e 02 1.06e 02
# 16 C 10/01/2007 7.50000 8.4 3.00000 C 2007 93 1.00e-05 1.0e-05 1.27e 02 1.06e 02
# 17 C 17/01/2007 7.90000 8.8 0.00001 C 2007 93 1.75e 02 7.9e 01 1.27e 02 1.06e 02
# 18 C 24/01/2007 8.30000 9.2 3.30000 C 2007 93 1.75e 02 7.9e 01 1.00e-05 1.06e 02
# 19 C 31/01/2007 8.70000 9.7 3.50000 C 2007 93 1.75e 02 7.9e 01 1.27e 02 1.06e 02
# 20 C 07/02/2007 9.20000 10.2 3.60000 C 2007 93 1.75e 02 7.9e 01 1.00e-05 1.06e 02
CodePudding user response：
df[3:12][df[3:12]==0] <- 0.0001
df
st Date OD pH DBO st.1 year Veg Water Soil Crop Grass
1 A 01/07/2005 8.0000 6.3 3.0000 A 2005 100 200.0000 80.0000 130.0000 70.0000
2 A 02/06/2005 7.0000 6.2 2.2000 A 2005 100 200.0000 80.0000 130.0000 70.0000
3 A 01/01/2005 0.0001 6.5 3.1000 A 2005 100 200.0000 80.0000 130.0000 70.0000
4 A 03/05/2006 6.0000 6.3 4.0000 A 2005 100 200.0000 80.0000 130.0000 70.0000
5 A 09/08/2006 6.8000 7.1 1.1000 A 2005 100 200.0000 80.0000 130.0000 70.0000
6 A 12/12/2006 7.3000 8.1 2.9000 A 2005 100 200.0000 80.0000 130.0000 70.0000
7 B 02/07/2005 6.8000 5.4 2.6000 B 2006 98 180.0000 0.1000 132.0000 86.0000
8 B 03/06/2005 6.0000 5.3 1.9000 B 2006 98 180.0000 84.0000 132.0000 86.0000
9 B 02/01/2005 6.2000 5.5 2.6000 B 2006 98 180.0000 84.0000 132.0000 86.0000
10 B 04/05/2006 0.0001 5.4 0.0001 B 2006 98 0.0001 84.0000 132.0000 0.0001
11 B 10/08/2006 5.8000 6.0 0.9000 B 2006 98 0.0001 84.0000 132.0000 86.0000
12 B 13/12/2006 6.2000 6.9 2.5000 B 2006 98 0.0001 84.0000 132.0000 86.0000
13 C 20/12/2006 6.5000 7.2 2.6000 C 2007 93 0.0001 79.0000 127.0000 106.0000
14 C 27/12/2006 6.8000 7.6 2.7000 C 2007 93 0.0001 79.0000 127.0000 0.0001
15 C 03/01/2007 7.2000 8.0 2.9000 C 2007 93 0.0001 79.0000 127.0000 106.0000
16 C 10/01/2007 7.5000 8.4 3.0000 C 2007 93 0.0001 0.0001 127.0000 106.0000
17 C 17/01/2007 7.9000 8.8 0.0001 C 2007 93 175.0000 79.0000 127.0000 106.0000
18 C 24/01/2007 8.3000 9.2 3.3000 C 2007 93 175.0000 79.0000 0.0001 106.0000
19 C 31/01/2007 8.7000 9.7 3.5000 C 2007 93 175.0000 79.0000 127.0000 106.0000
20 C 07/02/2007 9.2000 10.2 3.6000 C 2007 93 175.0000 79.0000 0.0001 106.0000
CodePudding user response：
Try with runif
#z <- df[,3:12] == 0
z <- df[,3:12] < 1e-15 & df[,3:12] > -1e-15 # addressing floating point accuracy
df[3:12][z] <- runif( length( which( z ) ), 0, 1e-05)
df
st Date OD pH DBO st.1 year Veg Water
1 A 01/07/2005 8.000000e 00 6.3 3.000000e 00 A 2005 100 2.000000e 02
2 A 02/06/2005 7.000000e 00 6.2 2.200000e 00 A 2005 100 2.000000e 02
3 A 01/01/2005 9.398892e-06 6.5 3.100000e 00 A 2005 100 2.000000e 02
4 A 03/05/2006 6.000000e 00 6.3 4.000000e 00 A 2005 100 2.000000e 02
5 A 09/08/2006 6.800000e 00 7.1 1.100000e 00 A 2005 100 2.000000e 02
6 A 12/12/2006 7.300000e 00 8.1 2.900000e 00 A 2005 100 2.000000e 02
7 B 02/07/2005 6.800000e 00 5.4 2.600000e 00 B 2006 98 1.800000e 02
8 B 03/06/2005 6.000000e 00 5.3 1.900000e 00 B 2006 98 1.800000e 02
9 B 02/01/2005 6.200000e 00 5.5 2.600000e 00 B 2006 98 1.800000e 02
10 B 04/05/2006 7.465607e-06 5.4 1.840605e-06 B 2006 98 2.418576e-06
11 B 10/08/2006 5.800000e 00 6.0 9.000000e-01 B 2006 98 8.369634e-06
12 B 13/12/2006 6.200000e 00 6.9 2.500000e 00 B 2006 98 4.785023e-06
13 C 20/12/2006 6.500000e 00 7.2 2.600000e 00 C 2007 93 3.208513e-06
14 C 27/12/2006 6.800000e 00 7.6 2.700000e 00 C 2007 93 9.316095e-06
15 C 03/01/2007 7.200000e 00 8.0 2.900000e 00 C 2007 93 3.188397e-06
16 C 10/01/2007 7.500000e 00 8.4 3.000000e 00 C 2007 93 8.296945e-06
17 C 17/01/2007 7.900000e 00 8.8 9.138739e-06 C 2007 93 1.750000e 02
18 C 24/01/2007 8.300000e 00 9.2 3.300000e 00 C 2007 93 1.750000e 02
19 C 31/01/2007 8.700000e 00 9.7 3.500000e 00 C 2007 93 1.750000e 02
20 C 07/02/2007 9.200000e 00 10.2 3.600000e 00 C 2007 93 1.750000e 02
Soil Crop Grass
1 8.000000e 01 1.300000e 02 7.000000e 01
2 8.000000e 01 1.300000e 02 7.000000e 01
3 8.000000e 01 1.300000e 02 7.000000e 01
4 8.000000e 01 1.300000e 02 7.000000e 01
5 8.000000e 01 1.300000e 02 7.000000e 01
6 8.000000e 01 1.300000e 02 7.000000e 01
7 1.000000e-01 1.320000e 02 8.600000e 01
8 8.400000e 01 1.320000e 02 8.600000e 01
9 8.400000e 01 1.320000e 02 8.600000e 01
10 8.400000e 01 1.320000e 02 9.053972e-06
11 8.400000e 01 1.320000e 02 8.600000e 01
12 8.400000e 01 1.320000e 02 8.600000e 01
13 7.900000e 01 1.270000e 02 1.060000e 02
14 7.900000e 01 1.270000e 02 8.210766e-06
15 7.900000e 01 1.270000e 02 1.060000e 02
16 1.481542e-06 1.270000e 02 1.060000e 02
17 7.900000e 01 1.270000e 02 1.060000e 02
18 7.900000e 01 9.491512e-06 1.060000e 02
19 7.900000e 01 1.270000e 02 1.060000e 02
20 7.900000e 01 2.509321e-06 1.060000e 02
CodePudding user response：
We can try mapping through all numeric columns and when a zero (or a very small zero say 0.0000001) is found, then replace it with 0.0001.
library(tidyverse)
map_if(df[, 3:12], is.numeric, ~ ifelse(near(., 0), .0001, .)) %>%
bind_cols() %>%
{bind_cols(df[1:2], .)}
#> st Date OD pH DBO st.1 year Veg Water Soil Crop
#> 1 A 01/07/2005 8.0000 6.3 3.0000 A 2005 100 200.0000 80.0000 130.0000
#> 2 A 02/06/2005 7.0000 6.2 2.2000 A 2005 100 200.0000 80.0000 130.0000
#> 3 A 01/01/2005 0.0001 6.5 3.1000 A 2005 100 200.0000 80.0000 130.0000
#> 4 A 03/05/2006 6.0000 6.3 4.0000 A 2005 100 200.0000 80.0000 130.0000
#> 5 A 09/08/2006 6.8000 7.1 1.1000 A 2005 100 200.0000 80.0000 130.0000
#> 6 A 12/12/2006 7.3000 8.1 2.9000 A 2005 100 200.0000 80.0000 130.0000
#> 7 B 02/07/2005 6.8000 5.4 2.6000 B 2006 98 180.0000 0.1000 132.0000
#> 8 B 03/06/2005 6.0000 5.3 1.9000 B 2006 98 180.0000 84.0000 132.0000
#> 9 B 02/01/2005 6.2000 5.5 2.6000 B 2006 98 180.0000 84.0000 132.0000
#> 10 B 04/05/2006 0.0001 5.4 0.0001 B 2006 98 0.0001 84.0000 132.0000
#> 11 B 10/08/2006 5.8000 6.0 0.9000 B 2006 98 0.0001 84.0000 132.0000
#> 12 B 13/12/2006 6.2000 6.9 2.5000 B 2006 98 0.0001 84.0000 132.0000
#> 13 C 20/12/2006 6.5000 7.2 2.6000 C 2007 93 0.0001 79.0000 127.0000
#> 14 C 27/12/2006 6.8000 7.6 2.7000 C 2007 93 0.0001 79.0000 127.0000
#> 15 C 03/01/2007 7.2000 8.0 2.9000 C 2007 93 0.0001 79.0000 127.0000
#> 16 C 10/01/2007 7.5000 8.4 3.0000 C 2007 93 0.0001 0.0001 127.0000
#> 17 C 17/01/2007 7.9000 8.8 0.0001 C 2007 93 175.0000 79.0000 127.0000
#> 18 C 24/01/2007 8.3000 9.2 3.3000 C 2007 93 175.0000 79.0000 0.0001
#> 19 C 31/01/2007 8.7000 9.7 3.5000 C 2007 93 175.0000 79.0000 127.0000
#> 20 C 07/02/2007 9.2000 10.2 3.6000 C 2007 93 175.0000 79.0000 0.0001
#> Grass
#> 1 70.0000
#> 2 70.0000
#> 3 70.0000
#> 4 70.0000
#> 5 70.0000
#> 6 70.0000
#> 7 86.0000
#> 8 86.0000
#> 9 86.0000
#> 10 0.0001
#> 11 86.0000
#> 12 86.0000
#> 13 106.0000
#> 14 0.0001
#> 15 106.0000
#> 16 106.0000
#> 17 106.0000
#> 18 106.0000
#> 19 106.0000
#> 20 106.0000
Using across:
df %>%
mutate(across(where(is.numeric), ~ifelse(near(., 0), 0.0001, .)))
#> st Date OD pH DBO st.1 year Veg Water Soil Crop
#> 1 A 01/07/2005 8.0000 6.3 3.0000 A 2005 100 200.0000 80.0000 130.0000
#> 2 A 02/06/2005 7.0000 6.2 2.2000 A 2005 100 200.0000 80.0000 130.0000
#> 3 A 01/01/2005 0.0001 6.5 3.1000 A 2005 100 200.0000 80.0000 130.0000
#> 4 A 03/05/2006 6.0000 6.3 4.0000 A 2005 100 200.0000 80.0000 130.0000
#> 5 A 09/08/2006 6.8000 7.1 1.1000 A 2005 100 200.0000 80.0000 130.0000
#> 6 A 12/12/2006 7.3000 8.1 2.9000 A 2005 100 200.0000 80.0000 130.0000
#> 7 B 02/07/2005 6.8000 5.4 2.6000 B 2006 98 180.0000 0.1000 132.0000
#> 8 B 03/06/2005 6.0000 5.3 1.9000 B 2006 98 180.0000 84.0000 132.0000
#> 9 B 02/01/2005 6.2000 5.5 2.6000 B 2006 98 180.0000 84.0000 132.0000
#> 10 B 04/05/2006 0.0001 5.4 0.0001 B 2006 98 0.0001 84.0000 132.0000
#> 11 B 10/08/2006 5.8000 6.0 0.9000 B 2006 98 0.0001 84.0000 132.0000
#> 12 B 13/12/2006 6.2000 6.9 2.5000 B 2006 98 0.0001 84.0000 132.0000
#> 13 C 20/12/2006 6.5000 7.2 2.6000 C 2007 93 0.0001 79.0000 127.0000
#> 14 C 27/12/2006 6.8000 7.6 2.7000 C 2007 93 0.0001 79.0000 127.0000
#> 15 C 03/01/2007 7.2000 8.0 2.9000 C 2007 93 0.0001 79.0000 127.0000
#> 16 C 10/01/2007 7.5000 8.4 3.0000 C 2007 93 0.0001 0.0001 127.0000
#> 17 C 17/01/2007 7.9000 8.8 0.0001 C 2007 93 175.0000 79.0000 127.0000
#> 18 C 24/01/2007 8.3000 9.2 3.3000 C 2007 93 175.0000 79.0000 0.0001
#> 19 C 31/01/2007 8.7000 9.7 3.5000 C 2007 93 175.0000 79.0000 127.0000
#> 20 C 07/02/2007 9.2000 10.2 3.6000 C 2007 93 175.0000 79.0000 0.0001
#> Grass
#> 1 70.0000
#> 2 70.0000
#> 3 70.0000
#> 4 70.0000
#> 5 70.0000
#> 6 70.0000
#> 7 86.0000
#> 8 86.0000
#> 9 86.0000
#> 10 0.0001
#> 11 86.0000
#> 12 86.0000
#> 13 106.0000
#> 14 0.0001
#> 15 106.0000
#> 16 106.0000
#> 17 106.0000
#> 18 106.0000
#> 19 106.0000
#> 20 106.0000
Created on 2021-11-30 by the reprex package (v2.0.1)