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]]
或
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