So löschen Sie Spalten nach Namen in einem Datenrahmen

Ich habe einen großen Datensatz und möchte bestimmte Spalten lesen oder alle anderen löschen.

data <- read.dta("file.dta")

Ich wähle die Spalten aus, die mich nicht interessieren:

var.out <- names(data)[!names(data) %in% c("iden", "name", "x_serv", "m_serv")]

und dann möchte ich so etwas machen wie:

for(i in 1:length(var.out)) {
   paste("data$", var.out[i], sep="") <- NULL
}

um alle unerwünschten Spalten zu löschen. Ist das die optimale Lösung?

Sie sollten entweder die Indizierung oder die subsetFunktion verwenden. Zum Beispiel :

R> df <- data.frame(x=1:5, y=2:6, z=3:7, u=4:8)
R> df
  x y z u
1 1 2 3 4
2 2 3 4 5
3 3 4 5 6
4 4 5 6 7
5 5 6 7 8

Dann können Sie die whichFunktion und den -Operator bei der Spaltenindizierung verwenden:

R> df[ , -which(names(df) %in% c("z","u"))]
  x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6

Oder, viel einfacher, verwenden Sie das selectArgument der subsetFunktion: Sie können den -Operator dann direkt für einen Vektor von Spaltennamen verwenden und sogar die Anführungszeichen um die Namen weglassen!

R> subset(df, select=-c(z,u))
  x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6

Beachten Sie, dass Sie auch die gewünschten Spalten auswählen können, anstatt die anderen zu löschen:

R> df[ , c("x","y")]
  x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6

R> subset(df, select=c(x,y))
  x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6

Nicht dafür verwenden -which(), es ist extrem gefährlich. Erwägen:

dat <- data.frame(x=1:5, y=2:6, z=3:7, u=4:8)
dat[ , -which(names(dat) %in% c("z","u"))] ## works as expected
dat[ , -which(names(dat) %in% c("foo","bar"))] ## deletes all columns! Probably not what you wanted...

Verwenden Sie stattdessen die Teilmenge oder die !Funktion:

dat[ , !names(dat) %in% c("z","u")] ## works as expected
dat[ , !names(dat) %in% c("foo","bar")] ## returns the un-altered data.frame. Probably what you want

Ich habe dies aus schmerzhaften Erfahrungen gelernt. Nicht überbeanspruchen which()!

Erstens können Sie die direkte Indizierung (mit Booleschen Vektoren) verwenden, anstatt erneut auf Spaltennamen zuzugreifen, wenn Sie mit demselben Datenrahmen arbeiten. Wie Ista betont, ist es sicherer und schneller zu schreiben und auszuführen. Sie brauchen also nur:

var.out.bool <- !names(data) %in% c("iden", "name", "x_serv", "m_serv")

und dann einfach Daten neu zuweisen:

data <- data[,var.out.bool] # or...
data <- data[,var.out.bool, drop = FALSE] # You will need this option to avoid the conversion to an atomic vector if there is only one column left

Zweitens können Sie schneller zu schreiben den Spalten, die Sie entfernen möchten, direkt NULL zuweisen:

data[c("iden", "name", "x_serv", "m_serv")] <- list(NULL) # You need list() to respect the target structure.

Schließlich können Sie subset () verwenden, es kann jedoch nicht wirklich im Code verwendet werden (selbst die Hilfedatei warnt davor). Insbesondere besteht für mich ein Problem darin, dass Sie den Ausdruck, der den Spaltennamen entspricht, ohne Anführungszeichen schreiben müssen, wenn Sie die Drop-Funktion von susbset () direkt verwenden möchten:

subset( data, select = -c("iden", "name", "x_serv", "m_serv") ) # WILL NOT WORK
subset( data, select = -c(iden, name, x_serv, m_serv) ) # WILL

Als Bonus gibt es hier einen kleinen Benchmark der verschiedenen Optionen, der deutlich zeigt, dass die Teilmenge langsamer und die erste Methode zur Neuzuweisung schneller ist:

                                        re_assign(dtest, drop_vec)  46.719  52.5655  54.6460  59.0400  1347.331
                                      null_assign(dtest, drop_vec)  74.593  83.0585  86.2025  94.0035  1476.150
               subset(dtest, select = !names(dtest) %in% drop_vec) 106.280 115.4810 120.3435 131.4665 65133.780
 subset(dtest, select = names(dtest)[!names(dtest) %in% drop_vec]) 108.611 119.4830 124.0865 135.4270  1599.577
                                  subset(dtest, select = -c(x, y)) 102.026 111.2680 115.7035 126.2320  1484.174

Code ist unten:

dtest <- data.frame(x=1:5, y=2:6, z = 3:7)
drop_vec <- c("x", "y")

null_assign <- function(df, names) {
  df[names] <- list(NULL)
  df
}

re_assign <- function(df, drop) {
  df <- df [, ! names(df) %in% drop, drop = FALSE]
  df
}

res <- microbenchmark(
  re_assign(dtest,drop_vec),
  null_assign(dtest,drop_vec),
  subset(dtest, select = ! names(dtest) %in% drop_vec),
  subset(dtest, select = names(dtest)[! names(dtest) %in% drop_vec]),
  subset(dtest, select = -c(x, y) ),
times=5000)

plt <- ggplot2::qplot(y=time, data=res[res$time < 1000000,], colour=expr)
plt <- plt + ggplot2::scale_y_log10() + 
  ggplot2::labs(colour = "expression") + 
  ggplot2::scale_color_discrete(labels = c("re_assign", "null_assign", "subset_bool", "subset_names", "subset_drop")) +
  ggplot2::theme_bw(base_size=16)
print(plt)

Sie können das dplyrPaket auch ausprobieren :

R> df <- data.frame(x=1:5, y=2:6, z=3:7, u=4:8)
R> df
  x y z u
1 1 2 3 4
2 2 3 4 5
3 3 4 5 6
4 4 5 6 7
5 5 6 7 8
R> library(dplyr)
R> dplyr::select(df2, -c(x, y))  # remove columns x and y
  z u
1 3 4
2 4 5
3 5 6
4 6 7
5 7 8

Hier ist eine schnelle Lösung dafür. Angenommen, Sie haben einen Datenrahmen X mit drei Spalten A, B und C:

> X<-data.frame(A=c(1,2),B=c(3,4),C=c(5,6))
> X
  A B C
1 1 3 5
2 2 4 6

Wenn ich eine Spalte entfernen möchte, z. B. B, verwenden Sie einfach grep für Spaltennamen, um den Spaltenindex abzurufen, mit dem Sie die Spalte weglassen können.

> X<-X[,-grep("B",colnames(X))]

Ihr neuer X-Datenrahmen würde folgendermaßen aussehen (diesmal ohne die B-Spalte):

> X
  A C
1 1 5
2 2 6

Das Schöne an grep ist, dass Sie mehrere Spalten angeben können, die dem regulären Ausdruck entsprechen. Wenn ich X mit fünf Spalten hätte (A, B, C, D, E):

> X<-data.frame(A=c(1,2),B=c(3,4),C=c(5,6),D=c(7,8),E=c(9,10))
> X
  A B C D  E
1 1 3 5 7  9
2 2 4 6 8 10

Nehmen Sie die Spalten B und D heraus:

> X<-X[,-grep("B|D",colnames(X))]
> X
  A C  E
1 1 5  9
2 2 6 10

EDIT: In Anbetracht des Grepl-Vorschlags von Matthew Lundberg in den Kommentaren unten:

> X<-data.frame(A=c(1,2),B=c(3,4),C=c(5,6),D=c(7,8),E=c(9,10))
> X
  A B C D  E
1 1 3 5 7  9
2 2 4 6 8 10
> X<-X[,!grepl("B|D",colnames(X))]
> X
  A C  E
1 1 5  9
2 2 6 10

Wenn ich versuche, eine nicht vorhandene Spalte zu löschen, sollte nichts passieren:

> X<-X[,!grepl("G",colnames(X))]
> X
  A C  E
1 1 5  9
2 2 6 10

Ich habe versucht, eine Spalte zu löschen, während ich das Paket verwendet habe, data.tableund habe ein unerwartetes Ergebnis erhalten. Ich denke, das Folgende könnte es wert sein, veröffentlicht zu werden. Nur ein kleiner Warnhinweis.

[Herausgegeben von Matthew ...]

DF = read.table(text = "
     fruit state grade y1980 y1990 y2000
     apples Ohio   aa    500   100   55
     apples Ohio   bb      0     0   44
     apples Ohio   cc    700     0   33
     apples Ohio   dd    300    50   66
", sep = "", header = TRUE, stringsAsFactors = FALSE)

DF[ , !names(DF) %in% c("grade")]   # all columns other than 'grade'
   fruit state y1980 y1990 y2000
1 apples  Ohio   500   100    55
2 apples  Ohio     0     0    44
3 apples  Ohio   700     0    33
4 apples  Ohio   300    50    66

library('data.table')
DT = as.data.table(DF)

DT[ , !names(dat4) %in% c("grade")]    # not expected !! not the same as DF !!
[1]  TRUE  TRUE FALSE  TRUE  TRUE  TRUE

DT[ , !names(DT) %in% c("grade"), with=FALSE]    # that's better
    fruit state y1980 y1990 y2000
1: apples  Ohio   500   100    55
2: apples  Ohio     0     0    44
3: apples  Ohio   700     0    33
4: apples  Ohio   300    50    66

Grundsätzlich ist die Syntax für data.tableNICHT genau die gleiche wie data.frame. Tatsächlich gibt es viele Unterschiede, siehe FAQ 1.1 und FAQ 2.17. Du wurdest gewarnt!

Ich habe den Code geändert in:

# read data
dat<-read.dta("file.dta")

# vars to delete
var.in<-c("iden", "name", "x_serv", "m_serv")

# what I'm keeping
var.out<-setdiff(names(dat),var.in)

# keep only the ones I want       
dat <- dat[var.out]

Wie auch immer, Jubas Antwort ist die beste Lösung für mein Problem!

Hier ist eine andere Lösung, die für andere hilfreich sein kann. Der folgende Code wählt eine kleine Anzahl von Zeilen und Spalten aus einem großen Datensatz aus. Die Spalten werden wie in einer der Antworten von juba ausgewählt, außer dass ich eine Einfügefunktion verwende, um eine Reihe von Spalten mit Namen auszuwählen, die fortlaufend nummeriert sind:

df = read.table(text = "

state county city  region  mmatrix  X1 X2 X3    A1     A2     A3      B1     B2     B3      C1      C2      C3

  1      1     1      1     111010   1  0  0     2     20    200       4      8     12      NA      NA      NA
  1      2     1      1     111010   1  0  0     4     NA    400       5      9     NA      NA      NA      NA
  1      1     2      1     111010   1  0  0     6     60     NA      NA     10     14      NA      NA      NA
  1      2     2      1     111010   1  0  0    NA     80    800       7     11     15      NA      NA      NA

  1      1     3      2     111010   0  1  0     1      2      1       2      2      2      10      20      30
  1      2     3      2     111010   0  1  0     2     NA      1       2      2     NA      40      50      NA
  1      1     4      2     111010   0  1  0     1      1     NA      NA      2      2      70      80      90
  1      2     4      2     111010   0  1  0    NA      2      1       2      2     10     100     110     120

  1      1     1      3     010010   0  0  1    10     20     10     200    200    200       1       2       3
  1      2     1      3     001000   0  0  1    20     NA     10     200    200    200       4       5       9
  1      1     2      3     101000   0  0  1    10     10     NA     200    200    200       7       8      NA
  1      2     2      3     011010   0  0  1    NA     20     10     200    200    200      10      11      12

", sep = "", header = TRUE, stringsAsFactors = FALSE)
df

df2 <- df[df$region == 2, names(df) %in% c(paste("C", seq_along(1:3), sep=''))]
df2

#    C1  C2  C3
# 5  10  20  30
# 6  40  50  NA
# 7  70  80  90
# 8 100 110 120

df2 <- df[!names(df) %in% c("c1", "c2")]

Ich kann Ihre Frage in den Kommentaren aufgrund der geringen Reputation nicht beantworten.

Der nächste Code gibt einen Fehler aus, da die Einfügefunktion eine Zeichenfolge zurückgibt

for(i in 1:length(var.out)) {
   paste("data$", var.out[i], sep="") <- NULL
}

Hier ist eine mögliche Lösung:

for(i in 1:length(var.out)) {

  text_to_source <- paste0 ("data$", var.out[i], "<- NULL") # Write a line of your
                                                  # code like a character string
  eval (parse (text=text_to_source)) # Source a text that contains a code
}

oder einfach machen:

for(i in 1:length(var.out)) {
  data[var.out[i]] <- NULL
}

df = mtcars 

dfnum = df[,-c(8,9)]