una - Seleccione un subconjunto de columnas en data.table R

separar columnas en r

Question

Esta pregunta ya tiene una respuesta aquí:

• Seleccionar un subconjunto de columnas en un data.table 4 respuestas

Tengo una tabla de datos con un montón de columnas, por ejemplo:

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

Quiero realizar alguna operación en la tabla de datos, como producir una matriz de correlación ( cor(dt) ). Para hacer esto, quiero eliminar algunas columnas que contienen valores no numéricos o valores fuera de un cierto rango.

Digamos que quiero encontrar la matriz de correlación excluyendo V1, V2, V3 y V5.

Aquí está mi enfoque actual:

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

Me parece bastante engorroso, teniendo en cuenta que la sintaxis data.table suele ser muy elegante. ¿Hay un mejor método para hacer esto?

Answer 1

Esto parece una mejora:

> 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

Este no es tan fácil de entender, pero podría ser útil para situaciones en las que fuera necesario especificar columnas mediante un vector numérico:

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

Answer 2

Opción con dplyr

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

Answer 3

Otra alternativa para usar with=FALSE es usar .SDcols

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

Answer 4

Para subconjunto por índice de columna (para evitar escribir sus nombres) puede hacer

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

el resultado parece estar bien

            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

Answer 5

Si no es obligatorio especificar nombres de columna:

> 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

Answer 6

Tu puedes hacer

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

Llegar

            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

Answer 7

Usar with=FALSE :

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

dt[, !cols, with=FALSE]

Sugiero pasar por la viñeta "Introducción a data.table" .

Actualización: desde v1.10.2 adelante, también puede hacer:

dt[, ..cols]

Consulte el primer elemento de NOTICIAS en v1.10.2 here para obtener una explicación adicional.