web-dev-qa-db-fra.com

Sélectionner un sous-ensemble de colonnes dans data.table R

J'ai une table de données avec un tas de colonnes, par exemple:

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

Je souhaite effectuer certaines opérations sur la table de données, telles que la production d'une matrice de corrélation (cor(dt)). Pour ce faire, je souhaite supprimer quelques colonnes contenant des valeurs non numériques ou des valeurs situées en dehors d'une certaine plage.

Disons que je veux trouver la matrice de corrélation excluant V1, V2, V3 et V5.

Voici mon approche actuelle:

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

Je trouve cela assez fastidieux, vu la syntaxe de data.table qui est généralement si élégante. Y a-t-il une meilleure méthode pour faire cela?

rdata.table
46
Jeff

Utilisation with=FALSE:

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

dt[, !cols, with=FALSE]

Je suggère de passer par la "Introduction à data.table" vignette.

Mise à jour: De v1.10.2 à partir de maintenant, vous pouvez aussi faire:

dt[, ..cols]

Voir le premier article de NEWS sous v1.10.2 ici pour plus d'explications.

72
Arun

Tu peux faire

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

obtenir

            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
15
MrFlick

Une autre alternative à l'utilisation de with=FALSE est d'utiliser .SDcols

cols = paste("V", c(1,2,3,5), sep="")
dt[, .SD, .SDcols=-cols]
10
Jeff

Cela semble être une amélioration:

> 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

Celui-ci n'est pas aussi facile à comprendre, mais pourrait être utile dans certaines situations où il était nécessaire de spécifier les colonnes à l'aide d'un vecteur numérique:

subset(dt, , !grepl(paste0("V", c(1:3,5),collapse="|"),colnames(dt) ))
4
42-

Option utilisant dplyr

require(dplyr)
dt<-as.data.frame(matrix(runif(10*10),10,10))
dt <- select(dt, -V1, -V2, -V3, -V4)
cor(dt)
2
Feargal Ryan

S'il n'est pas obligatoire de spécifier des noms de colonne:

> 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
2
Georgie Shimanovsky

Vous pouvez faire un sous-ensemble par index de colonne (pour éviter de taper leurs noms)

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

le résultat semble 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
2
t0tem