studio - Extraiga una columna dplyr tbl como vector

r studio database

Question

¿Hay una forma más concisa de obtener una columna de un dplyr tbl como un vector, desde un tbl con el back-end de la base de datos (es decir, el marco de datos / tabla no puede ser un subconjunto directamente)?

require(dplyr)
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
iris2$Species
# NULL

Eso hubiera sido demasiado fácil, entonces

collect(select(iris2, Species))[, 1]
# [1] "setosa" "setosa" "setosa" "setosa" etc.

Pero parece un poco torpe.

Answer 1

@ Luke1018 propuso esta solución en uno de los comentarios:

También puede usar el operador de exposición magrittr ( %$% ) para extraer un vector de un marco de datos.

Por ejemplo:

iris2 %>% select(Species) %>% collect() %$% Species

Pensé que merecía su propia respuesta.

Answer 2

Con dplyr 0.7.0, puede usar pull para obtener un vector de un tbl .

library("dplyr")
#>
#> Attaching package: ''dplyr''
#> The following objects are masked from ''package:stats'':
#>
#> filter, lag
#> The following objects are masked from ''package:base'':
#>
#> intersect, setdiff, setequal, union
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
vec <- pull(iris2, Species)
head(vec)
#> [1] "setosa" "setosa" "setosa" "setosa" "setosa" "setosa"

Answer 3

Probablemente escribiría:

collect(select(iris2, Species))[[1]]

Como dplyr está diseñado para trabajar con tbls de datos, no hay mejor forma de obtener una sola columna de datos.

Answer 4

Según el comentario de @nacnudus, parece que se implementó una función de pull en dplyr 0.6:

iris2 %>% pull(Species)

Para las versiones anteriores de dplyr, aquí hay una función clara para que sacar una columna sea un poco más agradable (más fácil de escribir y más fácil de leer):

pull <- function(x,y) {x[,if(is.name(substitute(y))) deparse(substitute(y)) else y, drop = FALSE][[1]]}

Esto le permite hacer cualquiera de estos:

iris2 %>% pull(''Species'')
iris2 %>% pull(Species)
iris2 %>% pull(5)

Resultando en...

 [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7 15.0 21.4

Y también funciona bien con marcos de datos:

> mtcars %>% pull(5)
[1] 3.90 3.90 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 3.92 3.07 3.07 3.07 2.93 3.00 3.23 4.08 4.93 4.22 3.70 2.76 3.15 3.73 3.08 4.08 4.43
[28] 3.77 4.22 3.62 3.54 4.11

Una buena manera de hacer esto en v0.2 de dplyr :

iris2 %>% select(Species) %>% collect %>% .[[5]]

O si lo prefiere:

iris2 %>% select(Species) %>% collect %>% .[["Species"]]

O si su mesa no es demasiado grande, simplemente ...

iris2 %>% collect %>% .[["Species"]]

Answer 5

También puede usar unlist que me resulta más fácil de leer porque no necesita repetir el nombre de la columna ni especificar el índice.

iris2 %>% select(Species) %>% unlist(use.names = FALSE)

Answer 6

Utilizaría la función de conveniencia magrittr de magrittr :

library(magrittr)
library(dplyr)
iris2 %>%
select(Species) %>%
extract2(1)