给定一个数据集(比方说存储为数据框),其形式为:。
> n <- 10
> set.seed(123)
> ds.df <- data.frame(col1 = round(rnorm(n,2,4), digit = 1),
col2 = sample.int(2, n, replace = TRUE),
col3 = sample.int(n*10, n),
col4 = sample(letters, n, replace = TRUE))
有没有一种简单有效的方法来对其进行子集, 用一个向量的值来定义子集应该尊重的多重平等?类似于
> subset_v <- c(col1 = -0.2, col4 = "i")
> ds.subset <- subset(ds.df, subset_v)
> ds.subset
col1 col2 col3 col4
1 -0.2 1 9 i
其中函数 subset(ds.df,subset_v)
应该返回该方面的子集。
ds.df[ ds.df$col1 == subset_v["col1"] & ds.df$col2 == subset_v["col2"] & ds.df$col4 == subset_v["col4"], ]
但这最后一个表达式不是很方便 我希望能够在不预先知道的情况下拥有任何列。
我做了一些工作。
subset <- function(ds.df,subset_v){
sub = rep(TRUE, nrow(ds.df))
for(cn in names(subset_v)){
sub=sub & (ds.df[,cn] == subset_v[[cn]])
}
ds.df[sub,]
}
但我觉得还有更好更有效的方法来实现它(也许可以去掉这个地方) for loop
以某种方式)。)
我个人认为,使用命名向量来子集数据框是否是个好主意,因为它只能用于等价交换 =
而 larger than
和 smaller than
不能用这种方式表达。我建议使用引号表达式而不是命名向量(见下面的方法)。
然而,我想出了一个 tidyverse
的方式来编写一个具有上述功能的函数。
library(tidyverse)
set.seed(123)
n <- 10
ds.df <- data.frame(col1 = round(rnorm(n,2,4), digit=1),
col2 = sample.int(2, n, replace=T),
col3 = sample.int(n*10, n),
col4 = sample(letters, n, replace=T))
new_filter <- function (data, expr) {
exprs_ls <- purrr::imap(expr, ~ rlang::exprs(!! rlang::sym(.y) == !!.x))
filter(data, !!! unname(unlist(exprs_ls)))
}
new_filter(ds.df, c(col1 = -0.2, col4 = "i"))
#> col1 col2 col3 col4
#> 1 -0.2 1 9 i
创建于2020-06-17,作者: 重读包 (v0.3.0) 以下是我的 另辟蹊径.在 基数R 你可以用 quote
来引用子集表达式(而不是创建一个向量),然后您可以在 subset
.
n <- 10
ds.df=data.frame(col1=round(rnorm(n,2,4),digit=1),
col2=sample.int(2,n,replace=T),
col3=sample.int(n*10,n),
col4=sample(letters,n,replace=T))
subset_v = quote(col1 > 2 & col3 > 40)
subset(ds.df, eval(subset_v))
#> col1 col2 col3 col4
#> 1 6.6 1 93 m
#> 2 7.0 2 62 j
#> 4 3.9 1 94 t
#> 7 4.5 1 46 r
#> 8 2.8 2 98 h
#> 10 4.9 1 78 p
创建于2020-06-17,由 重读包 (v0.3.0)
同样的方法,但使用 dplyr 过滤
library(dplyr)
n <- 10
ds.df = data.frame(col1 = round(rnorm(n,2,4), digit=1),
col2 = sample.int(2, n, replace=T),
col3 = sample.int(n*10, n),
col4 = sample(letters, n, replace=T))
filter_v = expr(col1 > 2 & col3 > 40)
filter(ds.df, !! filter_v)
#> col1 col2 col3 col4
#> 1 3.3 1 70 a
#> 2 2.5 2 82 q
#> 3 3.6 1 51 z
创建于2020-06-17 重读包 (v0.3.0)
在 data.table
你可以这样做。
setDT(ds.df)
subset_v = list(col1=-3.3, col2=1, col4="e")
ds.df[as.list(subset_v), on = names(subset_v)]
# col1 col2 col3 col4
# 1: -3.3 1 29 e
可复制的数据。
set.seed(20)
n <- 10
ds.df <- data.frame(
col1 = round(rnorm(n, 2, 4), digit = 1),
col2 = sample.int(2, n, replace = TRUE),
col3 = sample.int(n*10, n),
col4 = sample(letters, n, replace = TRUE)
)
我想你要找的是 merge
:
subset <- function(ds.df,subset_v){
filter = data.frame(as.list(subset_v))
merge(ds.df,filter,by=names(filter),all=F)
}
这在以下两个方面都有效 data.frame
和 data.table
,并与 data.table
,应该和 @sindri_baldur 的答案一样,所以,如果你已经使用了 data.table
,主要区别在于你是否喜欢输入 merge(x,y,by=z,all=F)
或 x[y,on=z]
.