R：来自矩阵的子集，只有在特定列中具有特定值的那些行

Question

对于一组诊断代码，我有一个大型矩阵“dt”，其中包含超过 2 个月的急诊科就诊次数。 列是“年龄”、“性别”、“日期”、“县”、“邮编”、“主题ID”、“位置”、“诊断”和“dt”； 尺寸为 872344 x 9。

我想从这个矩阵中提取子集并创建一个新矩阵，其中只包含“diag”列的数字在 800 到 849（所有列）之间的那些行。

我一直在忙于构建循环并使用“which”或“if.else”，但我遇到了心理障碍。 如果我只想提取一个诊断代码似乎会更容易，但是这一系列 50 个代码使事情复杂化......指向一个循环？ 有没有人有关于如何根据找到某些值进行子集化的想法？

这是我的开始（它不起作用）：

dta = dt
b = 800:849
for (i in 1:length(b)) {

}

Answer 1

dta = dt[dt[, 8] >= 800 & dt[, 8] <= 849, ]

ETA：你确定这是一个矩阵而不是一个 data.frame？ 如果它是一个data.frame，你可以这样做：

dta = dt[dt$diag >= 800 & dt$diag <= 849, ]

Answer 2

鉴于您的列名，我怀疑您的dt是一个 data.frame，而不是一个矩阵； 您可以通过运行is.data.frame(dt)来确认。

如果是这种情况，过滤数据的一种简单方法是使用subset函数，如下所示：

dta <- subset(dt, diag >= 800 & diag <= 849)

Answer 3

除了上面的优秀答案，我还可以在dpylr包中添加filter功能

filter(dt,diag>=800 & diag <= 849)

filter()与subset()类似，不同之处在于你可以给它提供任意数量的过滤条件，这些条件用&连接在一起（不是&& ，这很容易意外地做到！）。 dpylr包还有其他不错的数据操作功能，你可以看看。

Answer 4

我不会将matrix()转换为data.frame()因为它更慢并且会导致更大的内存使用量，而matrix()操作通常更快。

除了大卫使用列号索引的答案：

dta = dt[dt[,8] >= 800 & dt[,8] <= 849,]

还有使用列名索引和矩阵的形式：

dta = dt[dt[,'metric'] >= 800 & dt[,'metric'] <= 849,]

如针对具有 12 列和 13,241 行的相同矩阵的microbenchmark包命令所示，使用通过英特尔 MKL 优化编译的 R 运行：

microbenchmark::microbenchmark(
     test.matrix     = mt[mt[,3] %in% 5:10 & mt[,5] == 1,],
     test.data.frame = df[df[,3] %in% 5:10 & df[,5] == 1,],
     times = 1000
     )

Unit: microseconds
            expr      min       lq     mean  median        uq        max neval
 test.matrix      885.732  938.386 1154.898  943.74  952.4415 138215.318  1000
 test.data.frame 1176.218 1245.826 1363.379 1258.32 1286.4320 3392.556    1000

当矩阵变得非常大时，这种差异变得明显。 在我的机器上，矩阵索引速度也优于data.table 。