使用 $ 和字符值动态选择数据框列

Posted

技术标签:

【中文标题】使用 $ 和字符值动态选择数据框列【英文标题】:Dynamically select data frame columns using $ and a character value 【发布时间】:2021-09-20 01:19:39 【问题描述】:

我有一个包含不同列名的向量,我希望能够遍历它们中的每一个以从 data.frame 中提取该列。例如,考虑数据集mtcars 和一些存储在字符向量cols 中的变量名称。当我尝试使用cols 的动态子集从mtcars 中选择一个变量时,这些都不起作用

cols <- c("mpg", "cyl", "am")
col <- cols[1]
col
# [1] "mpg"

mtcars$col
# NULL
mtcars$cols[1]
# NULL

我怎样才能让这些返回与

相同的值
mtcars$mpg

此外,我如何遍历 cols 中的所有列以获取某种循环中的值。

for(x in seq_along(cols)) 
   value <- mtcars[ order(mtcars$cols[x]), ]

【问题讨论】:

【参考方案1】:

你不能用$ 做那种子集。在源代码 (R/src/main/subset.c) 中声明:

/*$ 子集运算符。 我们需要确保只评估第一个参数。 第二个将是一个需要匹配而不是评估的符号。 */

第二个参数?什么?!你必须意识到$,就像 R 中的所有其他东西一样,(包括例如(+^ 等)是一个函数,它接受参数并被评估。 df$V1 可以改写为

`$`(df , V1)

确实

`$`(df , "V1")

但是……

`$`(df , paste0("V1") )

...例如永远不会起作用,也不会首先在第二个参数中评估其他任何东西。您只能传递一个 从未 评估过的字符串。

改为使用[(或[[,如果您只想提取单个列作为向量)。

例如,

var <- "mpg"
#Doesn't work
mtcars$var
#These both work, but note that what they return is different
# the first is a vector, the second is a data.frame
mtcars[[var]]
mtcars[var]

您可以在没有循环的情况下执行排序,使用do.call 构造对order 的调用。下面是一个可重现的示例:

#  set seed for reproducibility
set.seed(123)
df <- data.frame( col1 = sample(5,10,repl=T) , col2 = sample(5,10,repl=T) , col3 = sample(5,10,repl=T) )

#  We want to sort by 'col3' then by 'col1'
sort_list <- c("col3","col1")

#  Use 'do.call' to call order. Seccond argument in do.call is a list of arguments
#  to pass to the first argument, in this case 'order'.
#  Since  a data.frame is really a list, we just subset the data.frame
#  according to the columns we want to sort in, in that order
df[ do.call( order , df[ , match( sort_list , names(df) ) ]  ) , ]

   col1 col2 col3
10    3    5    1
9     3    2    2
7     3    2    3
8     5    1    3
6     1    5    4
3     3    4    4
2     4    3    4
5     5    1    4
1     2    5    5
4     5    3    5

【讨论】:

自那以后这种情况有变化吗? 我刚刚遇到了同样的问题,'do.call'很有帮助,这是我的代码:df[do.call(order, df[cols]), ]【参考方案2】:

使用 dplyr 为数据帧排序提供了一种简单的语法

library(dplyr)
mtcars %>% arrange(gear, desc(mpg))

使用 NSE 版本 as shown here 允许动态构建排序列表可能很有用

sort_list <- c("gear", "desc(mpg)")
mtcars %>% arrange_(.dots = sort_list)

【讨论】:

这里的 NSE 是什么意思? @discipulus 非标准评估;它用于处理延迟表达式以使用字符串而不是硬编码来动态构建代码。请参阅此处了解更多信息:cran.r-project.org/web/packages/lazyeval/vignettes/… NSE = 非标准评估【参考方案3】:

如果我理解正确,您有一个包含变量名称的向量,并且希望遍历每个名​​称并按它们对数据框进行排序。如果是这样,这个例子应该为你说明一个解决方案。您的主要问题(完整示例不完整,因此我不确定您可能还缺少什么)是它应该是 order(Q1_R1000[,parameter[X]]) 而不是 order(Q1_R1000$parameter[X]),因为参数是包含变量的外部对象名称与数据框的直接列相对(当 $ 合适时)。

set.seed(1)
dat <- data.frame(var1=round(rnorm(10)),
                   var2=round(rnorm(10)),
                   var3=round(rnorm(10)))
param <- paste0("var",1:3)
dat
#   var1 var2 var3
#1    -1    2    1
#2     0    0    1
#3    -1   -1    0
#4     2   -2   -2
#5     0    1    1
#6    -1    0    0
#7     0    0    0
#8     1    1   -1
#9     1    1    0
#10    0    1    0

for(p in rev(param))
   dat <- dat[order(dat[,p]),]
 
dat
#   var1 var2 var3
#3    -1   -1    0
#6    -1    0    0
#1    -1    2    1
#7     0    0    0
#2     0    0    1
#10    0    1    0
#5     0    1    1
#8     1    1   -1
#9     1    1    0
#4     2   -2   -2

【讨论】:

【参考方案4】:

另一种解决方案是使用#get:

> cols <- c("cyl", "am")
> get(cols[1], mtcars)
 [1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4

【讨论】:

【参考方案5】:

由于某些 CSV 文件对同一列有不同的名称,因此遇到了类似的问题。 这是解决方案:

我写了一个函数来返回列表中第一个有效的列名,然后使用它...

# Return the string name of the first name in names that is a column name in tbl
# else null
ChooseCorrectColumnName <- function(tbl, names) 
for(n in names) 
    if (n %in% colnames(tbl)) 
        return(n)
    

return(null)


then...

cptcodefieldname = ChooseCorrectColumnName(file, c("CPT", "CPT.Code"))
icdcodefieldname = ChooseCorrectColumnName(file, c("ICD.10.CM.Code", "ICD10.Code"))

if (is.null(cptcodefieldname) || is.null(icdcodefieldname)) 
        print("Bad file column name")


# Here we use the hash table implementation where 
# we have a string key and list value so we need actual strings,
# not Factors
file[cptcodefieldname] = as.character(file[cptcodefieldname])
file[icdcodefieldname] = as.character(file[icdcodefieldname])
for (i in 1:length(file[cptcodefieldname])) 
    cpt_valid_icds[file[cptcodefieldname][i]] <<- unique(c(cpt_valid_icds[[file[cptcodefieldname][i]]], file[icdcodefieldname][i]))

【讨论】:

【参考方案6】:

如果你想选择具有特定名称的列,那么就这样做

A=mtcars[,which(conames(mtcars)==cols[1])]
#and then
colnames(mtcars)[A]=cols[1]

你也可以循环运行 添加动态名称的反向方法例如,如果 A 是数据框并且 xyz 是要命名为 x 的列,那么我确实喜欢这样

A$tmp=xyz
colnames(A)[colnames(A)=="tmp"]=x

同样,这也可以在循环中添加

【讨论】:

我不知道为什么投了反对票,但它的工作原理和简单的方法,而不是编写复杂的函数【参考方案7】:
mtcars[do.call(order, mtcars[cols]), ]

【讨论】:

【参考方案8】:

发生在我身上好几次了。使用 data.table 包。当您只有 1 列需要参考时。使用任一

DT[[x]]

DT[,..x]

当您有 2 个或更多列要参考时,请务必使用:

DT[,..x]

那个 x 可以是另一个 data.frame 中的字符串。

【讨论】:

【参考方案9】:

为时已晚..但我想我有答案了 -

这是我的示例 study.df 数据框 -

   >study.df
   study   sample       collection_dt other_column
   1 DS-111 ES768098 2019-01-21:04:00:30         <NA>
   2 DS-111 ES768099 2018-12-20:08:00:30   some_value
   3 DS-111 ES768100                <NA>   some_value

然后-

> ## Selecting Columns in an Given order
> ## Create ColNames vector as per your Preference
> 
> selectCols <- c('study','collection_dt','sample')
> 
> ## Select data from Study.df with help of selection vector
> selectCols %>% select(.data=study.df,.)
   study       collection_dt   sample
1 DS-111 2019-01-21:04:00:30 ES768098
2 DS-111 2018-12-20:08:00:30 ES768099
3 DS-111                <NA> ES768100
> 

【讨论】:

以上是关于使用 $ 和字符值动态选择数据框列的主要内容,如果未能解决你的问题,请参考以下文章

使用 Pyspark 动态重命名数据框列

如何在 Spark 中有效地选择包含某个值的数据框列?

Pyspark 通过使用另一列中的值替换 Spark 数据框列中的字符串

从数据框列中的字符串值中删除字符

如果数据框列值匹配字典键,检查不同的列是不是匹配字典值

以字符串形式存储在 Pandas 数据框列中的解析列表