मेरे पास एक बड़ा डेटा सेट है और मैं विशिष्ट कॉलम पढ़ना चाहूंगा या अन्य सभी को छोड़ दूंगा।
data <- read.dta("file.dta")मैं उन कॉलमों का चयन करता हूं, जिनमें मेरी रुचि नहीं है:
var.out <- names(data)[!names(data) %in% c("iden", "name", "x_serv", "m_serv")]और जैसे मैं कुछ करना चाहता हूं:
for(i in 1:length(var.out)) {
paste("data$", var.out[i], sep="") <- NULL
}
सभी अवांछित स्तंभों को छोड़ने के लिए। क्या यह इष्टतम समाधान है?
जवाबों:
आपको इंडेक्सिंग या subsetफ़ंक्शन का उपयोग करना चाहिए । उदाहरण के लिए :
R> df <- data.frame(x=1:5, y=2:6, z=3:7, u=4:8)
R> df
x y z u
1 1 2 3 4
2 2 3 4 5
3 3 4 5 6
4 4 5 6 7
5 5 6 7 8
तब आप whichफ़ंक्शन और -ऑपरेटर को स्तंभ अनुक्रमण में उपयोग कर सकते हैं :
R> df[ , -which(names(df) %in% c("z","u"))]
x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6
या, बहुत सरल, फ़ंक्शन के selectतर्क का उपयोग करें subset: आप -ऑपरेटर को सीधे कॉलम नामों के वेक्टर पर उपयोग कर सकते हैं, और आप नामों के आसपास के उद्धरण भी छोड़ सकते हैं!
R> subset(df, select=-c(z,u))
x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6
ध्यान दें कि आप उन कॉलमों का भी चयन कर सकते हैं जिन्हें आप दूसरों को छोड़ने के बजाय चाहते हैं:
R> df[ , c("x","y")]
x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6
R> subset(df, select=c(x,y))
x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6
selectतर्क subsetने पूरी तरह से काम किया! शुक्रिया जुबा!
whichनिस्सार नहीं है, इस्सा का जवाब देखें। लेकिन के साथ सबसेट -अच्छा है! नहीं पता था कि!
subsetअच्छा लग रहा है, लेकिन जिस तरह से यह चुपचाप गायब मूल्यों को छोड़ देता है वह मुझे बहुत खतरनाक लगता है।
subsetवास्तव में बहुत सुविधाजनक है, लेकिन याद रखें कि जब तक आप आर का उपयोग नहीं कर रहे हैं, तब तक इसका उपयोग करने से बचें। देखें समारोह के दस्तावेज में चेतावनी और इस तो सवाल यह अधिक के लिए।
इसके -which()लिए उपयोग न करें , यह बेहद खतरनाक है। विचार करें:
dat <- data.frame(x=1:5, y=2:6, z=3:7, u=4:8)
dat[ , -which(names(dat) %in% c("z","u"))] ## works as expected
dat[ , -which(names(dat) %in% c("foo","bar"))] ## deletes all columns! Probably not what you wanted...
इसके बजाय सबसेट या !फ़ंक्शन का उपयोग करें :
dat[ , !names(dat) %in% c("z","u")] ## works as expected
dat[ , !names(dat) %in% c("foo","bar")] ## returns the un-altered data.frame. Probably what you want
मैंने इसे दर्दनाक अनुभव से सीखा है। अति प्रयोग न करें which()!
setdiffयह भी उपयोगी है:setdiff(names(dat), c("foo", "bar"))
setdiff@Hadley द्वारा प्रस्ताव नामों की लंबी सूची के लिए बहुत अच्छा है।
सबसे पहले , आप के बजाय (बूलियन्स वैक्टर के साथ) प्रत्यक्ष अनुक्रमण का उपयोग कर सकते फिर से पहुँचने के स्तंभ नाम यदि आप एक ही डेटा फ्रेम के साथ काम कर रहे हैं; यह इस्टा द्वारा इंगित के रूप में सुरक्षित होगा, और लिखने और निष्पादित करने के लिए तेज होगा। तो क्या आप केवल आवश्यकता होगी:
var.out.bool <- !names(data) %in% c("iden", "name", "x_serv", "m_serv")और फिर, बस डेटा पुन: असाइन करें:
data <- data[,var.out.bool] # or...
data <- data[,var.out.bool, drop = FALSE] # You will need this option to avoid the conversion to an atomic vector if there is only one column left
दूसरा , लिखने के लिए तेज, आप सीधे उन कॉलमों को NULL असाइन कर सकते हैं जिन्हें आप हटाना चाहते हैं:
data[c("iden", "name", "x_serv", "m_serv")] <- list(NULL) # You need list() to respect the target structure.अंत में , आप सबसेट () का उपयोग कर सकते हैं, लेकिन यह वास्तव में कोड में उपयोग नहीं किया जा सकता है (यहां तक कि सहायता फ़ाइल इसके बारे में चेतावनी देती है)। विशेष रूप से, मेरे लिए एक समस्या यह है कि यदि आप सीधे susbset () की ड्रॉप सुविधा का उपयोग करना चाहते हैं, तो आपको कॉलम नामों के अनुरूप अभिव्यक्ति के बिना उद्धरण लिखने की आवश्यकता है:
subset( data, select = -c("iden", "name", "x_serv", "m_serv") ) # WILL NOT WORK
subset( data, select = -c(iden, name, x_serv, m_serv) ) # WILL
एक बोनस के रूप में , यहाँ विभिन्न विकल्पों में से एक छोटा बेंचमार्क है, जो स्पष्ट रूप से दर्शाता है कि सबसेट सबसे धीमा है, और यह कि पहला, पुन: असाइन करने का तरीका सबसे तेज़ है:
re_assign(dtest, drop_vec) 46.719 52.5655 54.6460 59.0400 1347.331
null_assign(dtest, drop_vec) 74.593 83.0585 86.2025 94.0035 1476.150
subset(dtest, select = !names(dtest) %in% drop_vec) 106.280 115.4810 120.3435 131.4665 65133.780
subset(dtest, select = names(dtest)[!names(dtest) %in% drop_vec]) 108.611 119.4830 124.0865 135.4270 1599.577
subset(dtest, select = -c(x, y)) 102.026 111.2680 115.7035 126.2320 1484.174
कोड नीचे है:
dtest <- data.frame(x=1:5, y=2:6, z = 3:7)
drop_vec <- c("x", "y")
null_assign <- function(df, names) {
df[names] <- list(NULL)
df
}
re_assign <- function(df, drop) {
df <- df [, ! names(df) %in% drop, drop = FALSE]
df
}
res <- microbenchmark(
re_assign(dtest,drop_vec),
null_assign(dtest,drop_vec),
subset(dtest, select = ! names(dtest) %in% drop_vec),
subset(dtest, select = names(dtest)[! names(dtest) %in% drop_vec]),
subset(dtest, select = -c(x, y) ),
times=5000)
plt <- ggplot2::qplot(y=time, data=res[res$time < 1000000,], colour=expr)
plt <- plt + ggplot2::scale_y_log10() +
ggplot2::labs(colour = "expression") +
ggplot2::scale_color_discrete(labels = c("re_assign", "null_assign", "subset_bool", "subset_names", "subset_drop")) +
ggplot2::theme_bw(base_size=16)
print(plt)
NULL, लेकिन जब आप दो से अधिक नाम रखते हैं, तो इसे list(NULL)कैसे असाइन करना आवश्यक है ? मैं केवल यह जानने के लिए उत्सुक हूं कि यह कैसे काम करता है, क्योंकि मैंने केवल एक नाम के साथ प्रयास किया और मुझे इसकी आवश्यकता नहीं हैlist()
$या के साथ [[) का उपयोग करते हैं, <- list(NULL)तो वास्तव में गलत परिणामों का कारण होगा। यदि आप एक या एक से अधिक स्तंभों के साथ डेटाफ़्रेम के सबसेट तक पहुँचते <- list(NULL)हैं, तो जाने का रास्ता है, भले ही इसके लिए एक कॉलम डेटाफ़्रेम की आवश्यकता न हो (क्योंकि df['myColumns']आवश्यकता पड़ने पर वेक्टर को कास्ट किया जाएगा)।
आप dplyrपैकेज भी आज़मा सकते हैं :
R> df <- data.frame(x=1:5, y=2:6, z=3:7, u=4:8)
R> df
x y z u
1 1 2 3 4
2 2 3 4 5
3 3 4 5 6
4 4 5 6 7
5 5 6 7 8
R> library(dplyr)
R> dplyr::select(df2, -c(x, y)) # remove columns x and y
z u
1 3 4
2 4 5
3 5 6
4 6 7
5 7 8
dplyr::select(df2, -one_of(c('x','y')))करना अभी भी काम करेगा (एक चेतावनी के साथ) भले ही कुछ नामित कॉलम मौजूद न हों
यहाँ इसके लिए एक त्वरित समाधान है। कहें, आपके पास एक डेटा फ़्रेम X है जिसमें तीन कॉलम A, B और C हैं:
> X<-data.frame(A=c(1,2),B=c(3,4),C=c(5,6))
> X
A B C
1 1 3 5
2 2 4 6
यदि मैं एक कॉलम को हटाना चाहता हूं, तो B का कहना है, कॉलम इंडेक्स प्राप्त करने के लिए बस कॉल्रेम्स पर grep का उपयोग करें, जिसे आप कॉलम को छोड़ने के लिए उपयोग कर सकते हैं।
> X<-X[,-grep("B",colnames(X))]आपका नया X डेटा फ़्रेम निम्न की तरह दिखेगा (इस बार B कॉलम के बिना):
> X
A C
1 1 5
2 2 6
ग्रीप की सुंदरता यह है कि आप कई कॉलम निर्दिष्ट कर सकते हैं जो नियमित अभिव्यक्ति से मेल खाते हैं। अगर मेरे पास पाँच कॉलम (A, B, C, D, E) के साथ X है:
> X<-data.frame(A=c(1,2),B=c(3,4),C=c(5,6),D=c(7,8),E=c(9,10))
> X
A B C D E
1 1 3 5 7 9
2 2 4 6 8 10
कॉलम B और D को बाहर निकालें:
> X<-X[,-grep("B|D",colnames(X))]
> X
A C E
1 1 5 9
2 2 6 10
EDIT: नीचे टिप्पणी में मैथ्यू लुंडबर्ग के संक्षिप्त सुझाव पर विचार:
> X<-data.frame(A=c(1,2),B=c(3,4),C=c(5,6),D=c(7,8),E=c(9,10))
> X
A B C D E
1 1 3 5 7 9
2 2 4 6 8 10
> X<-X[,!grepl("B|D",colnames(X))]
> X
A C E
1 1 5 9
2 2 6 10
अगर मैं किसी ऐसे स्तंभ को छोड़ने की कोशिश करता हूं जो गैर-मौजूद है, तो कुछ भी नहीं होना चाहिए:
> X<-X[,!grepl("G",colnames(X))]
> X
A C E
1 1 5 9
2 2 6 10X[,-grep("B",colnames(X))]उस मामले में कोई कॉलम नहीं लौटाएगा, जिसमें कोई कॉलम नाम नहीं है B, बल्कि सभी कॉलमों को वापस करना होगा। X <- irisएक उदाहरण के साथ विचार करें । यह गणना के मूल्यों के साथ नकारात्मक सूचकांकों का उपयोग करने में समस्या है। greplइसके बजाय विचार करें ।
मैंने पैकेज का उपयोग करते समय एक कॉलम को हटाने की कोशिश की data.tableऔर अप्रत्याशित परिणाम मिला। मुझे लगता है कि निम्नलिखित पोस्ट करने के लायक हो सकता है। बस थोड़ी सी सावधानी बरतें।
[मैथ्यू द्वारा संपादित ...]
DF = read.table(text = "
fruit state grade y1980 y1990 y2000
apples Ohio aa 500 100 55
apples Ohio bb 0 0 44
apples Ohio cc 700 0 33
apples Ohio dd 300 50 66
", sep = "", header = TRUE, stringsAsFactors = FALSE)
DF[ , !names(DF) %in% c("grade")] # all columns other than 'grade'
fruit state y1980 y1990 y2000
1 apples Ohio 500 100 55
2 apples Ohio 0 0 44
3 apples Ohio 700 0 33
4 apples Ohio 300 50 66
library('data.table')
DT = as.data.table(DF)
DT[ , !names(dat4) %in% c("grade")] # not expected !! not the same as DF !!
[1] TRUE TRUE FALSE TRUE TRUE TRUE
DT[ , !names(DT) %in% c("grade"), with=FALSE] # that's better
fruit state y1980 y1990 y2000
1: apples Ohio 500 100 55
2: apples Ohio 0 0 44
3: apples Ohio 700 0 33
4: apples Ohio 300 50 66असल में, के लिए वाक्यविन्यास data.tableबिल्कुल वैसा ही नहीं है data.frame। वास्तव में बहुत सारे अंतर हैं, FAQ 1.1 और FAQ 2.17 देखें। आपको चेतावनी दी गई है!
DT[,var.out := NULL]उन स्तंभों को हटाने के लिए उपयोग कर सकते हैं जो आप ऐसा करना चाहते हैं।
data.frameऔर data.tableवर्गों के लिए काम करती है
मैंने कोड बदल दिया है:
# read data
dat<-read.dta("file.dta")
# vars to delete
var.in<-c("iden", "name", "x_serv", "m_serv")
# what I'm keeping
var.out<-setdiff(names(dat),var.in)
# keep only the ones I want
dat <- dat[var.out]वैसे भी, जुबा का जवाब मेरी समस्या का सबसे अच्छा समाधान है!
selectतर्क का उपयोग करता subsetहूं। मैं सिर्फ यह देखना चाहता था कि कैसे मैं एक लूप में मनमाने ढंग से कॉलम एक्सेस कर सकता हूं अगर मैं कॉलम को छोड़ने के अलावा कुछ और करना चाहता था। मूल डेटा सेट में लगभग 1200 vars हैं और मैं केवल उन 4 का उपयोग करने में दिलचस्पी रखता हूं, जो बिना यह जाने कि वे वास्तव में कहां हैं।
यहां एक और उपाय है जो दूसरों के लिए मददगार हो सकता है। नीचे दिया गया कोड एक बड़े डेटा सेट से छोटी संख्या में पंक्तियों और स्तंभों का चयन करता है। कॉलम को जुबा के उत्तरों में से एक के रूप में चुना गया है, सिवाय इसके कि मैं एक पेस्ट फ़ंक्शन का उपयोग करता हूं, क्रमिक रूप से गिने जाने वाले नामों के साथ कॉलम का एक सेट का चयन करने के लिए:
df = read.table(text = "
state county city region mmatrix X1 X2 X3 A1 A2 A3 B1 B2 B3 C1 C2 C3
1 1 1 1 111010 1 0 0 2 20 200 4 8 12 NA NA NA
1 2 1 1 111010 1 0 0 4 NA 400 5 9 NA NA NA NA
1 1 2 1 111010 1 0 0 6 60 NA NA 10 14 NA NA NA
1 2 2 1 111010 1 0 0 NA 80 800 7 11 15 NA NA NA
1 1 3 2 111010 0 1 0 1 2 1 2 2 2 10 20 30
1 2 3 2 111010 0 1 0 2 NA 1 2 2 NA 40 50 NA
1 1 4 2 111010 0 1 0 1 1 NA NA 2 2 70 80 90
1 2 4 2 111010 0 1 0 NA 2 1 2 2 10 100 110 120
1 1 1 3 010010 0 0 1 10 20 10 200 200 200 1 2 3
1 2 1 3 001000 0 0 1 20 NA 10 200 200 200 4 5 9
1 1 2 3 101000 0 0 1 10 10 NA 200 200 200 7 8 NA
1 2 2 3 011010 0 0 1 NA 20 10 200 200 200 10 11 12
", sep = "", header = TRUE, stringsAsFactors = FALSE)
df
df2 <- df[df$region == 2, names(df) %in% c(paste("C", seq_along(1:3), sep=''))]
df2
# C1 C2 C3
# 5 10 20 30
# 6 40 50 NA
# 7 70 80 90
# 8 100 110 120df2 <- df[!names(df) %in% c("c1", "c2")]मैं कम प्रतिष्ठा स्कोर के कारण टिप्पणियों में आपके सवाल का जवाब नहीं दे सकता।
अगला कोड आपको एक त्रुटि देगा क्योंकि पेस्ट फ़ंक्शन एक वर्ण स्ट्रिंग लौटाता है
for(i in 1:length(var.out)) {
paste("data$", var.out[i], sep="") <- NULL
}यहाँ एक संभावित समाधान है:
for(i in 1:length(var.out)) {
text_to_source <- paste0 ("data$", var.out[i], "<- NULL") # Write a line of your
# code like a character string
eval (parse (text=text_to_source)) # Source a text that contains a code
}या बस करो:
for(i in 1:length(var.out)) {
data[var.out[i]] <- NULL
}df = mtcars dfnum = df[,-c(8,9)]
subset(data, select=c(...))var छोड़ने के लिए मेरे मामले में मदद करता है। सवाल हालांकि मुख्य रूपpaste("data$",var.out[i],sep="")से लूप के अंदर ब्याज के कॉलम तक पहुंचने वाले हिस्से के बारे में था । मैं किसी कॉलम नाम को कैसे पेस्ट या किसी तरह से कर सकता हूं? आपके ध्यान और आपकी सहायता के लिए सभी का धन्यवाद