Thả cột khung dữ liệu theo tên

Tôi có một số cột mà tôi muốn xóa khỏi khung dữ liệu. Tôi biết rằng chúng ta có thể xóa chúng riêng lẻ bằng cách sử dụng một cái gì đó như:

df$x <- NULL

Nhưng tôi đã hy vọng làm điều này với ít lệnh hơn.

Ngoài ra, tôi biết rằng tôi có thể thả các cột bằng cách lập chỉ mục số nguyên như thế này:

df <- df[ -c(1, 3:6, 12) ]

Nhưng tôi lo ngại rằng vị trí tương đối của các biến của tôi có thể thay đổi.

Dựa vào mức độ mạnh mẽ của R, tôi nghĩ rằng có thể có một cách tốt hơn là bỏ từng cột một.

Bạn có thể sử dụng một danh sách tên đơn giản:

DF <- data.frame(
  x=1:10,
  y=10:1,
  z=rep(5,10),
  a=11:20
)
drops <- c("x","z")
DF[ , !(names(DF) %in% drops)]

Hoặc, thay vào đó, bạn có thể lập danh sách những người cần giữ và tham khảo chúng theo tên:

keeps <- c("y", "a")
DF[keeps]

EDIT: Đối với những người vẫn chưa làm quen với dropđối số của hàm lập chỉ mục, nếu bạn muốn giữ một cột làm khung dữ liệu, bạn thực hiện:

keeps <- "y"
DF[ , keeps, drop = FALSE]

drop=TRUE(hoặc không đề cập đến nó) sẽ bỏ các kích thước không cần thiết và do đó trả về một vectơ với các giá trị của cột y.

Ngoài ra còn có subsetlệnh, hữu ích nếu bạn biết cột nào bạn muốn:

df <- data.frame(a = 1:10, b = 2:11, c = 3:12)
df <- subset(df, select = c(a, c))

CẬP NHẬT sau khi nhận xét bởi @hadley: Để thả cột a, c bạn có thể làm:

df <- subset(df, select = -c(a, c))

within(df, rm(x))

có lẽ là dễ nhất hoặc cho nhiều biến:

within(df, rm(x, y))

Hoặc nếu bạn đang xử lý data.tables (mỗi Làm thế nào để bạn xóa một cột theo tên trong data.table? ):

dt[, x := NULL]   # Deletes column x by reference instantly.

dt[, !"x"]   # Selects all but x into a new data.table.

hoặc cho nhiều biến

dt[, c("x","y") := NULL]

dt[, !c("x", "y")]

Bạn có thể sử dụng %in%như thế này:

df[, !(colnames(df) %in% c("x","bar","foo"))]

danh sách (NULL) cũng hoạt động:

dat <- mtcars
colnames(dat)
# [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
# [11] "carb"
dat[,c("mpg","cyl","wt")] <- list(NULL)
colnames(dat)
# [1] "disp" "hp"   "drat" "qsec" "vs"   "am"   "gear" "carb"

Nếu bạn muốn xóa các cột theo tham chiếu và tránh sao chép nội bộ được liên kết với data.framesthì bạn có thể sử dụng data.tablegói và hàm:=

Bạn có thể chuyển tên vectơ ký tự sang phía bên trái của :=toán tử và NULLdưới dạng RHS.

library(data.table)

df <- data.frame(a=1:10, b=1:10, c=1:10, d=1:10)
DT <- data.table(df)
# or more simply  DT <- data.table(a=1:10, b=1:10, c=1:10, d=1:10) #

DT[, c('a','b') := NULL]

Nếu bạn muốn xác định trước các tên dưới dạng vectơ ký tự bên ngoài lệnh gọi [, hãy bọc tên của đối tượng ()hoặc {}buộc LHS được đánh giá trong phạm vi gọi không phải là tên trong phạm vi DT.

del <- c('a','b')
DT <- data.table(a=1:10, b=1:10, c=1:10, d=1:10)
DT[, (del) := NULL]
DT <-  <- data.table(a=1:10, b=1:10, c=1:10, d=1:10)
DT[, {del} := NULL]
# force or `c` would also work.   

Bạn cũng có thể sử dụng set, để tránh chi phí hoạt động[.data.table , và cũng hoạt động cho data.frames!

df <- data.frame(a=1:10, b=1:10, c=1:10, d=1:10)
DT <- data.table(df)

# drop `a` from df (no copying involved)

set(df, j = 'a', value = NULL)
# drop `b` from DT (no copying involved)
set(DT, j = 'b', value = NULL)

Có một chiến lược tiềm năng mạnh mẽ hơn dựa trên thực tế là grep () sẽ trả về một vectơ số. Nếu bạn có một danh sách dài các biến như tôi làm trong một trong các tập dữ liệu của tôi, một số biến kết thúc bằng ".A" và các biến khác kết thúc bằng ".B" và bạn chỉ muốn các biến kết thúc bằng ".A" (cùng với tất cả các biến không khớp với một trong hai mẫu, hãy làm điều này:

dfrm2 <- dfrm[ , -grep("\\.B$", names(dfrm)) ]

Đối với trường hợp trong tầm tay, sử dụng ví dụ của Joris Meys, nó có thể không nhỏ gọn, nhưng nó sẽ là:

DF <- DF[, -grep( paste("^",drops,"$", sep="", collapse="|"), names(DF) )]

Một dplyrcâu trả lời khác . Nếu các biến của bạn có một số cấu trúc đặt tên phổ biến, bạn có thể thử starts_with(). Ví dụ

library(dplyr)
df <- data.frame(var1 = rnorm(5), var2 = rnorm(5), var3 = rnorm (5), 
                 var4 = rnorm(5), char1 = rnorm(5), char2 = rnorm(5))
df
#        var2      char1        var4       var3       char2       var1
#1 -0.4629512 -0.3595079 -0.04763169  0.6398194  0.70996579 0.75879754
#2  0.5489027  0.1572841 -1.65313658 -1.3228020 -1.42785427 0.31168919
#3 -0.1707694 -0.9036500  0.47583030 -0.6636173  0.02116066 0.03983268
df1 <- df %>% select(-starts_with("char"))
df1
#        var2        var4       var3       var1
#1 -0.4629512 -0.04763169  0.6398194 0.75879754
#2  0.5489027 -1.65313658 -1.3228020 0.31168919
#3 -0.1707694  0.47583030 -0.6636173 0.03983268

Nếu bạn muốn thả một chuỗi các biến trong khung dữ liệu, bạn có thể sử dụng :. Ví dụ, nếu bạn muốn thả var2, var3và tất cả các biến ở giữa, bạn sẽ chỉ được trái với var1:

df2 <- df1 %>% select(-c(var2:var3) )  
df2
#        var1
#1 0.75879754
#2 0.31168919
#3 0.03983268

Khả năng khác:

df <- df[, setdiff(names(df), c("a", "c"))]

hoặc là

df <- df[, grep('^(a|c)$', names(df), invert=TRUE)]

DF <- data.frame(
  x=1:10,
  y=10:1,
  z=rep(5,10),
  a=11:20
)
DF

Đầu ra:

    x  y z  a
1   1 10 5 11
2   2  9 5 12
3   3  8 5 13
4   4  7 5 14
5   5  6 5 15
6   6  5 5 16
7   7  4 5 17
8   8  3 5 18
9   9  2 5 19
10 10  1 5 20

DF[c("a","x")] <- list(NULL)

Đầu ra:

        y z
    1  10 5
    2   9 5
    3   8 5
    4   7 5
    5   6 5
    6   5 5
    7   4 5
    8   3 5    
    9   2 5
    10  1 5

Giải pháp Dplyr

Tôi nghi ngờ điều này sẽ nhận được nhiều sự chú ý ở đây, nhưng nếu bạn có một danh sách các cột mà bạn muốn xóa và bạn muốn thực hiện nó trong một dplyrchuỗi tôi sử dụng one_of()trong selectmệnh đề:

Đây là một ví dụ đơn giản, có thể tái tạo:

undesired <- c('mpg', 'cyl', 'hp')

mtcars <- mtcars %>%
  select(-one_of(undesired))

Tài liệu có thể được tìm thấy bằng cách chạy ?one_ofhoặc ở đây:

http://genomics class.github.io/book/pages/dplyr_tutorial.html

Không quan tâm, điều này đánh dấu một trong những mâu thuẫn nhiều cú pháp kỳ lạ của R. Ví dụ: đưa ra một khung dữ liệu hai cột:

df <- data.frame(x=1, y=2)

Điều này cung cấp một khung dữ liệu

subset(df, select=-y)

nhưng điều này mang lại một vectơ

df[,-2]

Tất cả điều này được giải thích ?[nhưng đó không phải là hành vi dự kiến ​​chính xác. Ít nhất là không phải với tôi ...

Đây là một dplyrcách để đi về nó:

#df[ -c(1,3:6, 12) ]  # original
df.cut <- df %>% select(-col.to.drop.1, -col.to.drop.2, ..., -col.to.drop.6)  # with dplyr::select()

Tôi thích điều này bởi vì nó trực quan để đọc và hiểu mà không cần chú thích và mạnh mẽ cho các cột thay đổi vị trí trong khung dữ liệu. Nó cũng tuân theo thành ngữ vectorized sử dụng -để loại bỏ các phần tử.

Tôi cứ nghĩ phải có một thành ngữ tốt hơn, nhưng để trừ các cột theo tên, tôi có xu hướng làm như sau:

df <- data.frame(a=1:10, b=1:10, c=1:10, d=1:10)

# return everything except a and c
df <- df[,-match(c("a","c"),names(df))]
df

Có một chức năng được gọi dropNamed()trong BBmiscgói của Bernd Bischl thực hiện chính xác điều này.

BBmisc::dropNamed(df, "x")

Ưu điểm là nó tránh lặp lại đối số khung dữ liệu và do đó phù hợp với đường ống trong magrittr(giống như các dplyrcách tiếp cận):

df %>% BBmisc::dropNamed("x")

Một giải pháp khác nếu bạn không muốn sử dụng @ hadley ở trên: Nếu "COLUMN_NAME" là tên của cột bạn muốn thả:

df[,-which(names(df) == "COLUMN_NAME")]

Ngoài việc select(-one_of(drop_col_names))thể hiện trong các câu trả lời trước đó, có một số dplyrtùy chọn khác để bỏ các cột sử dụng select()không liên quan đến việc xác định tất cả các tên cột cụ thể (sử dụng dữ liệu mẫu của dplyr starwars cho một số tên trong cột):

library(dplyr)
starwars %>% 
  select(-(name:mass)) %>%        # the range of columns from 'name' to 'mass'
  select(-contains('color')) %>%  # any column name that contains 'color'
  select(-starts_with('bi')) %>%  # any column name that starts with 'bi'
  select(-ends_with('er')) %>%    # any column name that ends with 'er'
  select(-matches('^f.+s$')) %>%  # any column name matching the regex pattern
  select_if(~!is.list(.)) %>%     # not by column name but by data type
  head(2)

# A tibble: 2 x 2
homeworld species
  <chr>     <chr>  
1 Tatooine  Human  
2 Tatooine  Droid 

Nếu bạn cần thả một cột có thể tồn tại hoặc không tồn tại trong khung dữ liệu, thì đây là một bước ngoặt nhẹ bằng cách sử dụng select_if()không giống như sử dụng one_of()sẽ không đưa ra Unknown columns:cảnh báo nếu tên cột không tồn tại. Trong ví dụ này, 'bad_column' không phải là một cột trong khung dữ liệu:

starwars %>% 
  select_if(!names(.) %in% c('height', 'mass', 'bad_column'))

Cung cấp khung dữ liệu và một chuỗi các tên được phân tách bằng dấu phẩy để xóa:

remove_features <- function(df, features) {
  rem_vec <- unlist(strsplit(features, ', '))
  res <- df[,!(names(df) %in% rem_vec)]
  return(res)
}

Cách sử dụng :

remove_features(iris, "Sepal.Length, Petal.Width")

Tìm chỉ mục của các cột bạn muốn thả bằng cách sử dụng which. Cho các chỉ số này một dấu âm ( *-1). Sau đó, tập hợp con trên các giá trị đó, sẽ loại bỏ chúng khỏi khung dữ liệu. Đây là một ví dụ.

DF <- data.frame(one=c('a','b'), two=c('c', 'd'), three=c('e', 'f'), four=c('g', 'h'))
DF
#  one two three four
#1   a   d     f    i
#2   b   e     g    j

DF[which(names(DF) %in% c('two','three')) *-1]
#  one four
#1   a    g
#2   b    h

Nếu bạn có dung lượng lớn data.framevà sử dụng ít bộ nhớ [ . . . . hoặc rmvàwithin để loại bỏ các cột của adata.frame , như subsethiện tại (R 3.6.2) bằng cách sử dụng nhiều bộ nhớ hơn - bên cạnh gợi ý của hướng dẫn sử dụng để sử dụng subsettương tác .

getData <- function() {
  n <- 1e7
  set.seed(7)
  data.frame(a = runif(n), b = runif(n), c = runif(n), d = runif(n))
}

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF <- DF[setdiff(names(DF), c("a", "c"))] ##
#DF <- DF[!(names(DF) %in% c("a", "c"))] #Alternative
#DF <- DF[-match(c("a","c"),names(DF))]  #Alternative
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#0.1 MB are used

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF <- subset(DF, select = -c(a, c)) ##
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#357 MB are used

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF <- within(DF, rm(a, c)) ##
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#0.1 MB are used

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF[c("a", "c")]  <- NULL ##
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#0.1 MB are used