Wybierz podzbiór kolumn w data.table R

Mam tabelę danych z wieloma kolumnami, np:Wybierz podzbiór kolumn w data.table R

dt<-data.table(matrix(runif(10*10),10,10))

chcę wykonać jakąś operację na tabeli danych, takich jak wytwarzanie macierzy korelacji (cor(dt)). W tym celu chcę usunąć kilka kolumn, które zawierają wartości nienumeryczne lub wartości spoza pewnego zakresu.

Załóżmy, że chcę znaleźć macierz korelacji, z wyjątkiem V1, V2, V3 i V5.

Oto moje obecne podejście:

cols<-!(colnames(dt)=="V1" | colnames(dt)=="V2" | colnames(dt)=="V3" | colnames(dt)=="V5") 
new_dt<-subset(dt,,cols) 
cor(new_dt)

Uważam to dość kłopotliwe, zważywszy składnia data.table jest zwykle tak eleganckie. Czy istnieje lepsza metoda robienia tego?

Źródło

2015-01-22 Jeff

Zamiast '==', możesz użyć '% w%'. '!colnames (dt)% w% paste0 ('V', c (1: 2,3,5)) ' – akrun

@sds yes ale ten wątek ma więcej przydatnych odpowiedzi. – hhh

Zastosowanie with=FALSE:

cols = paste("V", c(1,2,3,5), sep="") 

dt[, !cols, with=FALSE]

Proponuję przechodzi "Introduction to data.table" winieta.

Aktualizacja: Od v1.10.2 dalej, można również zrobić:

dt[, ..cols]

Zobacz pierwszy element NEWS pod v1.10.2 here dodatkowego wyjaśnienia.

Źródło

2015-01-22 17:12:33 Arun

, aby uniknąć 'z = FALSE', możesz również użyć .SD w ten sposób:' dt [, .SD, .SDcols = cols] ', które zwróci podzbiór danych zdefiniowanych przez kolumny umieszczone w' cols'. Uważam, że łatwiej jest wdrożyć programowo. –

Świetnie, ale dlaczego unikać 'with = FALSE'? Jak trudno jest programować? Przekazujesz wektor znaków zarówno w ".SDcols", jak i 'with = FALSE'. – Arun

Przepraszam - miałem na celu wyjaśnienie, że jest to dla mnie łatwiejsze do zapamiętania. Nigdy nie pamiętam, kiedy rzeczy muszą być cytowane, a kiedy nie, a co za tym idzie, kiedy używać 'with = FALSE', a kiedy nie. Uważam, że ten kod jest bardziej czytelny niż przy użyciu 'with = FALSE', ponieważ nie muszę pamiętać, dlaczego" wyłączam "jedną z ładnych funkcji data.table - bez konieczności cytowania nazw kolumn. –

Wydaje lepszy:

> cols<-!(colnames(dt) %in% c("V1","V2","V3","V5")) 
> new_dt<-subset(dt,,cols) 
> cor(new_dt) 
      V4   V6   V7   V8   V9   V10 
V4 1.0000000 0.14141578 -0.44466832 0.23697216 -0.1020074 0.48171747 
V6 0.1414158 1.00000000 -0.21356218 -0.08510977 -0.1884202 -0.22242274 
V7 -0.4446683 -0.21356218 1.00000000 -0.02050846 0.3209454 -0.15021528 
V8 0.2369722 -0.08510977 -0.02050846 1.00000000 0.4627034 -0.07020571 
V9 -0.1020074 -0.18842023 0.32094540 0.46270335 1.0000000 -0.19224973 
V10 0.4817175 -0.22242274 -0.15021528 -0.07020571 -0.1922497 1.00000000

To nie jest tak łatwe do uchwycenia, ale może mieć zastosowanie dla sytuacji nie było potrzeby, aby określić kolumny przez wektor liczbowy:

subset(dt, , !grepl(paste0("V", c(1:3,5),collapse="|"),colnames(dt)))

Źródło

2015-01-22 17:12:16

Można zrobić

dt[, !c("V1","V2","V3","V5"), with=FALSE]

dostać

  V4   V6   V7  V8   V9  V10 
1: 0.88612076 0.94727825 0.50502208 0.6702523 0.24186706 0.96263313 
2: 0.11121752 0.13969145 0.19092645 0.9589867 0.27968190 0.07796870 
3: 0.50179822 0.10641301 0.08540322 0.3297847 0.03643195 0.18082180 
4: 0.09787517 0.07312777 0.88077548 0.3218041 0.75826099 0.55847774 
5: 0.73475574 0.96644484 0.58261312 0.9921499 0.78962675 0.04976212 
6: 0.88861117 0.85690337 0.27723130 0.3662264 0.50881663 0.67402625 
7: 0.33933983 0.83392047 0.30701697 0.6138122 0.85107176 0.58609504 
8: 0.89907094 0.61389815 0.19957386 0.3968331 0.78876682 0.90546328 
9: 0.54136123 0.08274569 0.25190790 0.1920462 0.15142604 0.12134807 
10: 0.36511064 0.88117171 0.05730210 0.9441072 0.40125023 0.62828674

Źródło

2015-01-22 17:13:09 MrFlick

Opcja korzystania dplyr

require(dplyr) 
dt<-as.data.frame(matrix(runif(10*10),10,10)) 
dt <- select(dt, -V1, -V2, -V3, -V4) 
cor(dt)

Źródło

2015-01-22 17:19:24

Lub 'select (dt, - (V1: V4))', ponieważ są sekwencyjne w kolejności kolumnowej. Chociaż myślę, że OP szuka 'select (dt, - (V1: V3), -V5)' – Gregor

Inną alternatywą do korzystania with=FALSE jest użycie .SDcols

cols = paste("V", c(1,2,3,5), sep="") 
dt[, .SD, .SDcols=-cols]

Źródło

2015-01-25 21:32:58 Jeff

Jeśli używasz 'paste()' z 'sep =" "', możesz po prostu użyć 'paste0()' aby zapisać niektóre (= 7) naciśnięcia klawiszy :) –

Aby podzbioru indeksu kolumny (aby uniknąć wpisując ich nazwy) można zrobić

dt[, names(dt)[c(-1, -2, -3, -5)], with = FALSE]

wynik wydaje się ok

  V4   V6   V7   V8   V9  V10 
1: 0.51500037 0.919066234 0.49447244 0.19564261 0.51945102 0.7238604 
2: 0.36477648 0.828889808 0.04564637 0.20265215 0.32255945 0.4483778 
3: 0.10853112 0.601278633 0.58363636 0.47807015 0.58061000 0.2584015 
4: 0.57569100 0.228642846 0.25734995 0.79528506 0.52067802 0.6644448 
5: 0.07873759 0.840349039 0.77798153 0.48699653 0.98281006 0.4480908 
6: 0.31347303 0.670762371 0.04591664 0.03428055 0.35916057 0.1297684 
7: 0.45374290 0.957848949 0.99383496 0.43939774 0.33470618 0.9429592 
8: 0.99403107 0.009750809 0.78816609 0.34713435 0.57937680 0.9227709 
9: 0.62776909 0.400467655 0.49433474 0.81536420 0.01637135 0.4942351 
10: 0.10318372 0.177712847 0.27678497 0.59554454 0.29532020 0.7117959

Źródło

2016-12-21 09:35:45 t0tem

Jeśli nie jest to obowiązkowe, aby podać nazwy kolumn:

> cor(dt[, !c(1:3, 5)]) 
      V4   V6   V7   V8   V9   V10 
V4 1.00000000 -0.50472635 -0.07123705 0.9089868 -0.17232607 -0.77988709 
V6 -0.50472635 1.00000000 0.05757776 -0.2374420 0.67334474 0.29476983 
V7 -0.07123705 0.05757776 1.00000000 -0.1812176 -0.36093750 0.01102428 
V8 0.90898683 -0.23744196 -0.18121755 1.0000000 0.21372140 -0.75798418 
V9 -0.17232607 0.67334474 -0.36093750 0.2137214 1.00000000 -0.01179544 
V10 -0.77988709 0.29476983 0.01102428 -0.7579842 -0.01179544 1.00000000

Źródło

2017-01-26 02:06:26

Wybierz podzbiór kolumn w data.table R

Odpowiedz

Powiązane problemy