Löschen Sie Datenrahmenspalten nach Namen

Ich habe eine Reihe von Spalten, die ich aus einem Datenrahmen entfernen möchte. Ich weiß, dass wir sie einzeln löschen können, indem wir Folgendes verwenden:

df$x <- NULL

Aber ich hatte gehofft, dies mit weniger Befehlen zu tun.

Außerdem weiß ich, dass ich Spalten mithilfe der Ganzzahlindizierung wie folgt löschen kann:

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

Ich befürchte jedoch, dass sich die relative Position meiner Variablen ändern könnte.

Angesichts der Stärke von R dachte ich, es könnte einen besseren Weg geben, als jede Spalte einzeln zu löschen.

Sie können eine einfache Liste von Namen verwenden:

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)]

Alternativ können Sie eine Liste der zu erhaltenden Personen erstellen und sie namentlich referenzieren:

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

BEARBEITEN: dropWenn Sie das Argument der Indexierungsfunktion noch nicht kennen , können Sie Folgendes tun, wenn Sie eine Spalte als Datenrahmen beibehalten möchten:

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

drop=TRUE(oder nicht erwähnt) löscht unnötige Dimensionen und gibt daher einen Vektor mit den Werten der Spalte zurück y.

Es gibt auch den subsetBefehl, der nützlich ist, wenn Sie wissen, welche Spalten Sie möchten:

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

AKTUALISIERT nach Kommentar von @hadley: Um die Spalten a, c zu löschen , können Sie Folgendes tun:

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

within(df, rm(x))

ist wahrscheinlich am einfachsten oder für mehrere Variablen:

within(df, rm(x, y))

Oder wenn Sie es mit data.tables zu tun haben (per Wie löscht man eine Spalte nach Namen in data.table? ):

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

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

oder für mehrere Variablen

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

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

Sie könnten so verwenden %in%:

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

list (NULL) funktioniert auch:

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"

Wenn Sie die Spalten als Referenz entfernen und das damit verbundene interne Kopieren vermeiden möchten, data.frameskönnen Sie das data.tablePaket und die Funktion verwenden:=

Sie können Zeichenvektornamen an die linke Seite des :=Operators und NULLals RHS übergeben.

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]

Wenn Sie die Namen als Zeichenvektor außerhalb des Aufrufs an vordefinieren möchten [, wickeln Sie den Namen des Objekts in das aufrufende Objekt ein ()oder {}erzwingen Sie, dass es im aufrufenden Bereich ausgewertet wird, nicht als Name im Bereich von 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.   

Sie können auch verwendet werden set, was den Aufwand für das vermeidet [.data.table, und arbeitet auch für 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)

Es gibt eine potenziell leistungsfähigere Strategie, die auf der Tatsache basiert, dass grep () einen numerischen Vektor zurückgibt. Wenn Sie eine lange Liste von Variablen haben, wie ich es in einem meiner Datensätze tue, einige Variablen, die mit ".A" enden, und andere, die mit ".B" enden, und Sie möchten nur diejenigen, die mit ".A" enden (entlang Gehen Sie bei allen Variablen, die keinem der beiden Muster entsprechen, wie folgt vor:

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

Für den vorliegenden Fall ist es am Beispiel von Joris Meys möglicherweise nicht so kompakt, aber es wäre:

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

Eine andere dplyrAntwort. Wenn Ihre Variablen eine gemeinsame Namensstruktur haben, können Sie es versuchen starts_with(). Zum Beispiel

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

Wenn Sie eine Folge von Variablen im Datenrahmen ablegen möchten, können Sie verwenden :. Zum Beispiel , wenn Sie fallen wollte var2, var3und alle Variablen dazwischen, dann würden Sie nur mit gelassen werden var1:

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

Andere Möglichkeit:

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

oder

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

Ausgabe:

    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)

Ausgabe:

        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

Dplyr-Lösung

Ich bezweifle, dass dies hier unten viel Aufmerksamkeit erregt, aber wenn Sie eine Liste von Spalten haben, die Sie entfernen möchten, und Sie dies in einer dplyrKette tun möchten, die ich one_of()in der selectKlausel verwende:

Hier ist ein einfaches, reproduzierbares Beispiel:

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

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

Die Dokumentation finden Sie unter Ausführen ?one_ofoder hier:

http://genomicsclass.github.io/book/pages/dplyr_tutorial.html

Aus Interesse weist dies auf eine der seltsamen Mehrfachsyntaxinkonsistenzen von R hin. Zum Beispiel bei einem zweispaltigen Datenrahmen:

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

Dies ergibt einen Datenrahmen

subset(df, select=-y)

aber das ergibt einen Vektor

df[,-2]

Dies wird alles in erklärt, ?[aber es ist nicht genau das erwartete Verhalten. Na zumindest nicht für mich ...

Hier ist ein dplyrWeg, um es zu tun:

#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()

Ich mag das, weil es intuitiv zu lesen und zu verstehen ist, ohne Anmerkungen zu machen, und robust gegenüber Spalten ist, die ihre Position innerhalb des Datenrahmens ändern. Es folgt auch der vektorisierten Redewendung, mit -der Elemente entfernt werden.

Ich denke immer wieder, dass es eine bessere Redewendung geben muss, aber für die Subtraktion von Spalten nach Namen neige ich dazu, Folgendes zu tun:

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

dropNamed()In Bernd Bischls BBmiscPaket gibt es eine Funktion , die genau dies tut.

BBmisc::dropNamed(df, "x")

Der Vorteil besteht darin, dass das Wiederholen des Datenrahmenarguments vermieden wird und sich somit zum Einleiten eignet magrittr(genau wie bei den dplyrAnsätzen):

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

Eine andere Lösung, wenn Sie @ hadley's oben nicht verwenden möchten: Wenn "COLUMN_NAME" der Name der Spalte ist, die Sie löschen möchten:

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

Darüber hinaus select(-one_of(drop_col_names))in früheren Antworten zeigten, gibt es ein paar andere dplyrOptionen für die Spalten fallen mit , select()dass beinhalten nicht alle spezifischen Spaltennamen definieren (mit der dplyr Beispieldaten für etwas Abwechslung in Spaltennamen starwars):

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 

Wenn Sie eine Spalte löschen müssen, die möglicherweise im Datenrahmen vorhanden ist oder nicht, wird hier eine leichte Wendung verwendet select_if(), die im Gegensatz zur Verwendung one_of()keine Unknown columns:Warnung auslöst, wenn der Spaltenname nicht vorhanden ist. In diesem Beispiel ist 'bad_column' keine Spalte im Datenrahmen:

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

Geben Sie den Datenrahmen und eine Zeichenfolge mit durch Kommas getrennten Namen zum Entfernen an:

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

Verwendung :

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

Suchen Sie den Index der Spalten, mit denen Sie löschen möchten which. Geben Sie diesen Indizes ein negatives Vorzeichen ( *-1). Unterteilen Sie dann diese Werte, um sie aus dem Datenrahmen zu entfernen. Dies ist ein Beispiel.

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

Wenn Sie einen großen data.frameund wenig Speicher haben [ . . . . oder rmund withinum Spalten von adata.frame zu entfernen , wie subsetes derzeit (R 3.6.2) mit mehr Speicher ist - neben dem Hinweis des Handbuchs, interaktiv zu verwendensubset .

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