Letakkan kolom bingkai data berdasarkan nama

Saya memiliki sejumlah kolom yang ingin saya hapus dari bingkai data. Saya tahu bahwa kami dapat menghapusnya secara individual menggunakan sesuatu seperti:

df$x <- NULL

Tetapi saya berharap untuk melakukan ini dengan lebih sedikit perintah.

Juga, saya tahu bahwa saya dapat menjatuhkan kolom menggunakan pengindeksan bilangan bulat seperti ini:

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

Tetapi saya khawatir bahwa posisi relatif dari variabel saya dapat berubah.

Mengingat betapa kuatnya R, saya pikir mungkin ada cara yang lebih baik daripada menjatuhkan setiap kolom satu per satu.

Anda dapat menggunakan daftar nama sederhana:

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)]

Atau, sebagai alternatif, Anda dapat membuat daftar untuk disimpan dan merujuknya dengan nama:

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

EDIT: Bagi yang masih belum terbiasa dengan dropargumen fungsi pengindeksan, jika Anda ingin menyimpan satu kolom sebagai bingkai data, Anda harus:

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

drop=TRUE(atau tidak menyebutkannya) akan menjatuhkan dimensi yang tidak perlu, dan karenanya mengembalikan vektor dengan nilai kolom y.

Ada juga subsetperintahnya, berguna jika Anda tahu kolom mana yang Anda inginkan:

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

DIPERBARUI setelah komentar oleh @hadley: Untuk menjatuhkan kolom a, c Anda dapat melakukan:

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

within(df, rm(x))

mungkin paling mudah, atau untuk banyak variabel:

within(df, rm(x, y))

Atau jika Anda berurusan dengan data.tables (per Bagaimana Anda menghapus kolom dengan nama di data.table? ):

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

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

atau untuk beberapa variabel

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

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

Anda bisa menggunakan %in%seperti ini:

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

daftar (NULL) juga berfungsi:

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"

Jika Anda ingin menghapus kolom dengan referensi dan menghindari penyalinan internal yang terkait dengan data.framesmaka Anda dapat menggunakan data.tablepaket dan fungsinya:=

Anda dapat melewatkan nama-nama vektor karakter ke sisi kiri menu := operator, dan NULLsebagai RHS.

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]

Jika Anda ingin menentukan nama sebagai vektor karakter di luar panggilan [, bungkus nama objek di dalam ()atau {}untuk memaksa LHS dievaluasi dalam ruang lingkup panggilan bukan sebagai nama dalam ruang lingkupDT .

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.   

Anda juga dapat menggunakan set, yang menghindari overhead [.data.table, dan juga berfungsi untukdata.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)

Ada strategi yang berpotensi lebih kuat berdasarkan fakta bahwa grep () akan mengembalikan vektor numerik. Jika Anda memiliki daftar panjang variabel seperti yang saya lakukan di salah satu dataset saya, beberapa variabel yang berakhiran ".A" dan yang lainnya berakhiran ".B" dan Anda hanya ingin yang berakhiran ".A" (bersama dengan semua variabel yang tidak cocok dengan pola mana pun, lakukan ini:

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

Untuk kasus yang dihadapi, menggunakan contoh Joris Meys, mungkin tidak sekompak, tetapi akan menjadi:

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

dplyrJawaban lain Jika variabel Anda memiliki beberapa struktur penamaan yang sama, Anda dapat mencoba starts_with(). Sebagai contoh

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

Jika Anda ingin menjatuhkan urutan variabel dalam bingkai data, Anda bisa menggunakan :. Sebagai contoh jika Anda ingin menjatuhkan var2, var3dan semua variabel di antara, Anda baru saja ditinggalkan dengan var1:

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

Kemungkinan lain:

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

atau

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

Keluaran:

    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)

Keluaran:

        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

Solusi Dplyr

Saya ragu ini akan mendapat banyak perhatian di sini, tetapi jika Anda memiliki daftar kolom yang ingin Anda hapus, dan Anda ingin melakukannya dalam dplyrrantai yang saya gunakan one_of()diselect klausa:

Berikut adalah contoh sederhana dan dapat direproduksi:

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

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

Dokumentasi dapat ditemukan dengan menjalankan ?one_ofatau di sini:

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

Karena ketertarikan, ini menandai salah satu inkonsistensi sintaksis ganda R yang aneh. Misalnya diberi kerangka data dua kolom:

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

Ini memberikan bingkai data

subset(df, select=-y)

tetapi ini memberikan vektor

df[,-2]

Ini semua dijelaskan ?[tetapi itu bukan perilaku yang diharapkan. Yah setidaknya tidak bagiku ...

Ini dplyrcara untuk melakukannya:

#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()

Saya suka ini karena intuitif untuk membaca & memahami tanpa penjelasan dan kuat untuk kolom yang mengubah posisi dalam bingkai data. Ini juga mengikuti idiom vektor yang digunakan -untuk menghapus elemen.

Saya terus berpikir harus ada idiom yang lebih baik, tetapi untuk pengurangan kolom dengan nama, saya cenderung melakukan hal berikut:

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

Ada fungsi yang disebut dropNamed()dalam BBmiscpaket Bernd Bischl yang melakukan hal ini.

BBmisc::dropNamed(df, "x")

Keuntungannya adalah ia menghindari pengulangan argumen bingkai data dan karenanya cocok untuk disalurkan magrittr(seperti dplyrpendekatan):

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

Solusi lain jika Anda tidak ingin menggunakan @ hadley di atas: Jika "COLUMN_NAME" adalah nama kolom yang ingin Anda jatuhkan:

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

Di luar yang select(-one_of(drop_col_names))diperlihatkan dalam jawaban sebelumnya, ada beberapa dplyropsi lain untuk menjatuhkan kolom menggunakan select()yang tidak melibatkan mendefinisikan semua nama kolom tertentu (menggunakan data sampel starwars dplyr untuk beberapa variasi dalam nama kolom):

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 

Jika Anda perlu menjatuhkan kolom yang mungkin atau mungkin tidak ada dalam bingkai data, inilah sedikit twist menggunakan select_if()yang tidak seperti menggunakan one_of()tidak akan memberikan Unknown columns:peringatan jika nama kolom tidak ada. Dalam contoh ini 'bad_column' bukan kolom di bingkai data:

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

Berikan bingkai data dan serangkaian nama yang dipisahkan koma untuk dihapus:

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

Penggunaan :

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

Temukan indeks kolom yang ingin Anda jatuhkan which. Berikan indeks ini tanda negatif ( *-1). Kemudian subset pada nilai-nilai itu, yang akan menghapusnya dari dataframe. Ini sebuah contoh.

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

Jika Anda memiliki data.framememori yang besar dan rendah [ . . . . atau rmdanwithin untuk menghapus kolom adata.frame , seperti subsetsaat ini (R 3.6.2) menggunakan lebih banyak memori - di samping petunjuk manual untuk menggunakan secara subsetinteraktif .

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