superponer - Seleccionar solo columnas numéricas de un marco de datos

superponer graficas en r

Question

Supongamos que tiene un marco de datos como este:

x <- data.frame(v1=1:20,v2=1:20,v3=1:20,v4=letters[1:20])

¿Cómo seleccionarías solo aquellas columnas en x que son numéricas?

Answer 1

EDITAR: actualizado para evitar el uso de sapply mal aconsejado.

Como un marco de datos es una lista, podemos usar las funciones de aplicar listas:

nums <- unlist(lapply(x, is.numeric))

Luego subconjunto estándar

x[ , nums]
## don''t use sapply, even though it''s less code
## nums <- sapply(x, is.numeric)

Para una R moderna más idiomática, ahora recomendaría

x[ , purrr::map_lgl(x, is.numeric)]

Menos codiciosos, menos reflectantes peculiaridades de R, y más sencillo, y robusto para usar en tibbles de base de datos:

dplyr::select_if(x, is.numeric)

Answer 2

Este es un código alternativo a otras respuestas:

x[, sapply(x, class) == "numeric"]

con un data.table

x[, lapply(x, is.numeric) == TRUE, with = FALSE]

Answer 3

Esto no responde directamente la pregunta, pero puede ser muy útil, especialmente si desea algo así como todas las columnas numéricas, excepto su columna de identificación y su variable dependiente.

numeric_cols <- sapply(dataframe, is.numeric) %>% which %>%
names %>% setdiff(., c("id_variable", "dep_var"))
dataframe %<>% dplyr::mutate_at(numeric_cols, function(x) your_function(x))

Answer 4

La biblioteca PCAmixdata tiene functon splitmix que divide cuantitativo (datos numéricos) y cualitativo (datos categóricos) de un marco de datos dado "YourDataframe" como se muestra a continuación:

install.packages("PCAmixdata")
library(PCAmixdata)
split <- splitmix(YourDataframe)
X1 <- split$X.quanti(Gives numerical columns in the dataset)
X2 <- split$X.quali (Gives categorical columns in the dataset)

Answer 5

La función select_if( ) del paquete select_if( es una solución elegante:

library("dplyr")
select_if(x, is.numeric)

Answer 6

Si tiene muchas variables de factor, puede usar select_if . instalar los paquetes dplyr. Hay muchas funciones que separan los datos al satisfacer una condición. puedes establecer las condiciones.

Úselo así

categorical<-select_if(df,is.factor)
str(categorical)

Answer 7

en caso de que solo le interesen los nombres de las columnas, utilice esto:

names(dplyr::select_if(train,is.numeric))

Answer 8

Filter() del paquete base es la función perfecta para ese caso de uso: simplemente debe codificar:

Filter(is.numeric, x)

También es mucho más rápido que select_if() :

library(microbenchmark)
microbenchmark(
dplyr::select_if(mtcars, is.numeric),
Filter(is.numeric, mtcars)
)

devuelve (en mi computadora) una mediana de 60 microsegundos para Filter , y 21 000 microsegundos para dplyr (350x más rápido).