Если, как вы говорите, что оба x
и y
одинаковы, когда нет пропущенных значений, вы можете легко векторизации с rowMeans
или использовать pmax
(или pmin
) в сочетании с do.call
Ваши данные
df <- data.frame(x = c(0,0,2,NA,NA,2,7), y = c(NA,0,2,2,4,NA,7))
Решение # 1
rowMeans(df, na.rm = TRUE)
## [1] 0 0 2 2 4 2 7
Решение # 2
do.call(pmax, c(df, na.rm = TRUE)) # or do.call(pmin, c(df, na.rm = TRUE))
## [1] 0 0 2 2 4 2 7
Для сравнения, это потеряет только @MrFlicks подход на относительно больших данных
n <- 1e5
dftest <- data.frame(x = as.vector(replicate(n, df$x)),
y = as.vector(replicate(n, df$y)))
library(microbenchmark)
microbenchmark(ifelse(is.na(dftest$x), dftest$y, dftest$x),
dftest$x[is.na(dftest$x)] <- dftest$y[is.na(dftest$x)],
apply(dftest, 1, max, na.rm = TRUE),
rowMeans(dftest, na.rm = TRUE),
do.call(pmax, c(dftest, na.rm = TRUE)))
# Unit: milliseconds
# expr min lq mean median uq max neval
# ifelse(is.na(dftest$x), dftest$y, dftest$x) 121.16554 132.17962 188.81260 162.88925 242.37786 452.3506 100
# dftest$x[is.na(dftest$x)] <- dftest$y[is.na(dftest$x)] 32.46432 34.13887 45.88664 36.78413 42.72560 138.9821 100
# apply(dftest, 1, max, na.rm = TRUE) 2284.13414 2428.15899 2554.03813 2501.33842 2605.78132 3567.5111 100
# rowMeans(dftest, na.rm = TRUE) 40.04718 44.39996 61.89289 48.16691 54.88427 189.2017 100
# do.call(pmax, c(dftest, na.rm = TRUE)) 44.68004 45.66772 52.64246 46.43867 50.02424 149.1624 100
являются пустыми ' ''' или 'NA'? Если '' '' это означает, что ваш столбец, содержащий цифры, действительно имеет тип символа. –