tabla - seleccionar columnas en r

Seleccione dinámicamente columnas de marcos de datos usando $ y un vector de nombres de columnas

Question

Deseo pedir un marco de datos basado en diferentes columnas, una por turno. Tengo un vector de caracteres con los nombres de columna relevantes en los que debe basarse el order :

parameter <- c("market_value_LOCAL", "ep", "book_price", "sales_price", "dividend_yield",
               "beta", "TOTAL_RATING_SCORE", "ENVIRONMENT", "SOCIAL", "GOVERNANCE")

Deseo recorrer los nombres en el parameter y seleccionar dinámicamente la columna que se utilizará para order mis datos:

Q1_R1000_parameter <- Q1_R1000[order(Q1_R1000$parameter[X]), ]

donde X es 1:10 (porque tengo 10 elementos en el parameter ).

Para que mi ejemplo sea reproducible, considere el conjunto de datos mtcars y algunos nombres de variables almacenados en un vector de caracteres cols . Cuando intento seleccionar una variable de mtcars utilizando un subconjunto dinámico de cols , de forma similar a la anterior ( Q1_R1000$parameter[X] ), la columna no se selecciona:

cols <- c("cyl", "am")
mtcars$cols[1]
# NULL

Answer 1

El uso de dplyr proporciona una sintaxis fácil para clasificar los marcos de datos

library(dplyr)
mtcars %>% arrange(gear, desc(mpg))

Puede ser útil usar la versión de NSE para permitir la construcción dinámica de la lista de clasificación

sort_list <- c("gear", "desc(mpg)")
mtcars %>% arrange_(.dots = sort_list)

Answer 2

No puedes hacer ese tipo de subconjunto con $ . En el código fuente ( R/src/main/subset.c ) declara:

/ * El operador del subconjunto $.
Necesitamos asegurarnos de solo evaluar el primer argumento.
El segundo será un símbolo que debe ser igualado, no evaluado.
* /

Segundo argumento? ¡¿Qué?! Debes darte cuenta de que $ , como todo lo demás en R (incluyendo, por ejemplo, ( , + , ^ , etc.) es una función, que toma argumentos y se evalúa. df$V1 podría reescribirse como

`$`(df , V1)

o de hecho

`$`(df , "V1")

Pero...

`$`(df , paste0("V1") )

... por ejemplo, nunca funcionará, ni ninguna otra cosa que primero deba evaluarse en el segundo argumento. Solo puede pasar una cadena que nunca se evalúa.

En su lugar, use [ (o [[ si desea extraer solo una columna como vector]).

Por ejemplo,

var <- "mpg"
#Doesn''t work
mtcars$var
#These both work, but note that what they return is different
# the first is a vector, the second is a data.frame
mtcars[[var]]
mtcars[var]

Puede realizar el pedido sin bucles, utilizando do.call para construir la llamada a order . Aquí hay un ejemplo reproducible a continuación:

#  set seed for reproducibility
set.seed(123)
df <- data.frame( col1 = sample(5,10,repl=T) , col2 = sample(5,10,repl=T) , col3 = sample(5,10,repl=T) )

#  We want to sort by ''col3'' then by ''col1''
sort_list <- c("col3","col1")

#  Use ''do.call'' to call order. Seccond argument in do.call is a list of arguments
#  to pass to the first argument, in this case ''order''.
#  Since  a data.frame is really a list, we just subset the data.frame
#  according to the columns we want to sort in, in that order
df[ do.call( order , df[ , match( sort_list , names(df) ) ]  ) , ]

   col1 col2 col3
10    3    5    1
9     3    2    2
7     3    2    3
8     5    1    3
6     1    5    4
3     3    4    4
2     4    3    4
5     5    1    4
1     2    5    5
4     5    3    5

Answer 3

Si entiendo correctamente, tiene un vector que contiene nombres de variables y le gustaría recorrer cada nombre y ordenar su marco de datos. Si es así, este ejemplo debería ilustrar una solución para usted. El problema principal en el suyo (el ejemplo completo no está completo, así que no estoy seguro de qué otra cosa puede faltar) es que debe ser order(Q1_R1000[,parameter[X]]) lugar de order(Q1_R1000$parameter[X]) , ya que el parámetro es un objeto externo que contiene un nombre de variable opuesto a una columna directa de su marco de datos (que cuando $ sería apropiado).

set.seed(1)
dat <- data.frame(var1=round(rnorm(10)),
                   var2=round(rnorm(10)),
                   var3=round(rnorm(10)))
param <- paste0("var",1:3)
dat
#   var1 var2 var3
#1    -1    2    1
#2     0    0    1
#3    -1   -1    0
#4     2   -2   -2
#5     0    1    1
#6    -1    0    0
#7     0    0    0
#8     1    1   -1
#9     1    1    0
#10    0    1    0

for(p in rev(param)){
   dat <- dat[order(dat[,p]),]
 }
dat
#   var1 var2 var3
#3    -1   -1    0
#6    -1    0    0
#1    -1    2    1
#7     0    0    0
#2     0    0    1
#10    0    1    0
#5     0    1    1
#8     1    1   -1
#9     1    1    0
#4     2   -2   -2

Answer 4

Tuve un problema similar debido a algunos archivos CSV que tenían varios nombres para la misma columna.
Esta fue la solución:

Escribí una función para devolver el primer nombre de columna válido en una lista, y luego usé eso ...

# Return the string name of the first name in names that is a column name in tbl
# else null
ChooseCorrectColumnName <- function(tbl, names) {
for(n in names) {
    if (n %in% colnames(tbl)) {
        return(n)
    }
}
return(null)
}

then...

cptcodefieldname = ChooseCorrectColumnName(file, c("CPT", "CPT.Code"))
icdcodefieldname = ChooseCorrectColumnName(file, c("ICD.10.CM.Code", "ICD10.Code"))

if (is.null(cptcodefieldname) || is.null(icdcodefieldname)) {
        print("Bad file column name")
}

# Here we use the hash table implementation where 
# we have a string key and list value so we need actual strings,
# not Factors
file[cptcodefieldname] = as.character(file[cptcodefieldname])
file[icdcodefieldname] = as.character(file[icdcodefieldname])
for (i in 1:length(file[cptcodefieldname])) {
    cpt_valid_icds[file[cptcodefieldname][i]] <<- unique(c(cpt_valid_icds[[file[cptcodefieldname][i]]], file[icdcodefieldname][i]))
}

Answer 5

Q1_R1000[do.call(order, Q1_R1000[parameter]), ]