[英]Selecting rows or columns with data.table R?
想象一下,我有一個data.table,例如:
library(data.table)
RRR <-data.table(1:15,runif(15),rgeom(15,0.5),rbinom(15,2,0.5))
V1 V2 V3 V4
1: 1 0.33577273 0 0
2: 2 0.66739739 2 1
3: 3 0.07501655 0 0
4: 4 0.43195663 2 1
5: 5 0.39525841 3 2
6: 6 0.15189738 1 1
7: 7 0.02637279 0 1
8: 8 0.44165623 0 1
9: 9 0.98710570 2 0
10: 10 0.62402805 1 0
11: 11 0.84829465 3 2
12: 12 0.02170976 0 1
13: 13 0.74608925 0 2
14: 14 0.29102296 2 0
15: 15 0.83820646 1 1
如何從中獲取data.table,所有ROWS在任何列都包含“0”? (或一些價值)
如果我必須使用單個列,我可以使用:
RRR[V4==0,]
V1 V2 V3 V4
1: 1 0.33577273 0 0
2: 3 0.07501655 0 0
3: 9 0.98710570 2 0
4: 10 0.62402805 1 0
5: 14 0.29102296 2 0
但是,如果我想同時使用所有列,因為我有很多?
這不符合我的需要。
RRR[,sapply(RRR,function(xx)(xx==0)), with=TRUE]
V1 V2 V3 V4
[1,] FALSE FALSE TRUE TRUE
[2,] FALSE FALSE FALSE FALSE
[3,] FALSE FALSE TRUE TRUE
[4,] FALSE FALSE FALSE FALSE
[5,] FALSE FALSE FALSE FALSE
[6,] FALSE FALSE FALSE FALSE
[7,] FALSE FALSE TRUE FALSE
[8,] FALSE FALSE TRUE FALSE
[9,] FALSE FALSE FALSE TRUE
[10,] FALSE FALSE FALSE TRUE
[11,] FALSE FALSE FALSE FALSE
[12,] FALSE FALSE TRUE FALSE
[13,] FALSE FALSE TRUE FALSE
[14,] FALSE FALSE FALSE TRUE
[15,] FALSE FALSE FALSE FALSE
也許用for循環和一些復雜的粘貼? 雖然,我更喜歡使用簡單的data.table語法。
同樣,你如何獲得一個data.table,其中包含任何行中包含'0'的所有COLUMNS?
我知道如何獲得滿足條件的列(作為一個整體),例如數字,
RRR[,sapply(RRR,function(xx)is.numeric(xx)),with=FALSE]
但是如果我想要元素測試條件,這個方法不起作用。
如果有人感興趣,這是一個更大的隨機數據的system.time()。使用您提供的不同解決方案到目前為止,稍作修改。
set.seed(1)
n <- 1000000
RRR <- data.table(matrix(rgeom(100*n,0.5), ncol=100))
Getting ROWS
> RRR[RRR[,rowSums(RRR==0)>0]]
user system elapsed
2.72 0.55 3.27
> RRR[rowSums(RRR==0)>0]
user system elapsed
2.58 0.70 3.28
> RRR[apply(RRR,MAR=1,function(xx)any(xx==0))]
user system elapsed
10.81 0.19 11.00
> RRR[apply(RRR[,paste0('V',1:ncol(RRR)),with=FALSE],function(xx)any(xx==0),MAR=1)]
user system elapsed
10.49 0.30 10.83
Getting COLUMNS
> RRR[,sapply(RRR,function(xx)any(xx==0)), with=FALSE]
user system elapsed
0.81 0.31 1.12
> `[.listof`(RRR,colSums(RRR==0)>0)
user system elapsed
2.14 0.27 2.41
> RRR[,colSums(RRR==0)>0, with=FALSE]
user system elapsed
2.26 0.48 2.75
> RRR[, .SD, .SDcols=sapply(RRR, function(x) any(x==0))] #only version 1.9.5, seems the same solution than the first one.
user system elapsed
0.78 0.36 1.14
> RRR[, .SD, .SDcols=sapply(RRR, function(x) any(!as.logical(x)))]
user system elapsed
0.41 0.25 0.66
> RRR[Reduce('|',lapply(RRR,function(xx)(xx==0)))]
user system elapsed
3.11 0.33 3.44
> RRR[,apply(RRR[,paste0('V',1:ncol(RRR)),with=FALSE],function(xx)any(xx==0),MAR=2),with=FALSE]
user system elapsed
3.48 0.80 4.28
我還沒有包括在內:
RRR[, i := any(unlist(lapply(.SD, function(x) x==0))), seq_len(nrow(RRR))][i==TRUE][,i:=NULL]
花了幾分鍾我停了下來,它“標記”行而不是提取它們,這是最復雜的解決方案。
我會等待更快或更簡單的解決方案,並聽取您的意見和喜好。
sapply原本應該慢一點,但事實並非如此。 如果data.table包含其他類型的數據,結果可能會更改。
如果我們可以在每一行或每列中發生第一次發生時立即停止測試(== 0),我們就可以加快速度。 但我想我們不能沒有循環或一些低級訪問或按位操作。
我想到了一種新方法。
我想如果零的數量很大,它會慢得多。
也許還嘗試RRR[unique(unlist(sapply(RRR,function(xx)which(xx==0))))]
但它太慢了。
相反的選擇是RRR[(RRR==0)] <- NA; na.omit(RRR)
RRR[(RRR==0)] <- NA; na.omit(RRR)
這里可以使用rowSums
函數:
RRR[rowSums(!RRR)>0]
工作原理: !RRR
是一個矩陣,任何零都為TRUE
。 在一般情況下,您可以使用要檢查的邏輯條件替換!RRR
。 例如,要查看是否有任何元素等於3
,您可以采用RRR==3
的rowSums
。
我認為rowSums(test(x))>0
與apply(RRR,1,function(x)any(!test(x)))
; 都將對象強制轉換為矩陣。 我發現rowSums
版本更容易閱讀,並認為我聽到人們稱贊它的效率。
對於列,類似地:
RRR[, colSums(!RRR)>0, with=FALSE]
也許這個。
library(data.table)
RRR <-data.table(1:15,runif(15),rgeom(15,0.5),rbinom(15,2,0.5))
RRR[, i := any(unlist(lapply(.SD, function(x) x==0))), seq_len(nrow(RRR))
][i==TRUE
][,i:=NULL]
擴展問題第二部分的答案。
RRR[, .SD, .SDcols=sapply(RRR, function(x) any(x==0))]
# you may add this one also to timing, I wonder how it will work
RRR[, .SD, .SDcols=sapply(RRR, function(x) any(!as.logical(x)))]
.SDcols
作為邏輯向量最近才被引入,所以一定要先更新你的data.table。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.