Estrarre una colonna dplyr tbl come vettore


175

Esiste un modo più conciso per ottenere una colonna di un dplyr tbl come vettore, da un tbl con back-end del database (ovvero il frame / tabella di dati non può essere direttamente un sottoinsieme)?

require(dplyr)
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
iris2$Species
# NULL

Sarebbe stato troppo facile, quindi

collect(select(iris2, Species))[, 1]
# [1] "setosa"     "setosa"     "setosa"     "setosa"  etc.

Ma sembra un po 'goffo.


è collect(iris2)$Speciesmeno goffo?
CJ Yetman,

Risposte:


178

Con dplyr 0.7.0, puoi usare pullper ottenere un vettore da a tbl.


library("dplyr")
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
vec <- pull(iris2, Species)
head(vec)
#> [1] "setosa" "setosa" "setosa" "setosa" "setosa" "setosa"

96

Secondo il commento di @nacnudus, sembra che una pullfunzione sia stata implementata in dplyr 0.6:

iris2 %>% pull(Species)

Per le versioni precedenti di dplyr, ecco una funzione ordinata per rendere un po 'più bello estrarre una colonna (più facile da scrivere e più facile da leggere):

pull <- function(x,y) {x[,if(is.name(substitute(y))) deparse(substitute(y)) else y, drop = FALSE][[1]]}

Questo ti consente di eseguire una di queste due operazioni:

iris2 %>% pull('Species')
iris2 %>% pull(Species)
iris2 %>% pull(5)

Con il risultato di...

 [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7 15.0 21.4

E funziona anche bene con i frame di dati:

> mtcars %>% pull(5)
 [1] 3.90 3.90 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 3.92 3.07 3.07 3.07 2.93 3.00 3.23 4.08 4.93 4.22 3.70 2.76 3.15 3.73 3.08 4.08 4.43
[28] 3.77 4.22 3.62 3.54 4.11

Un bel modo per farlo in v0.2 di dplyr:

iris2 %>% select(Species) %>% collect %>% .[[5]]

O se preferisci:

iris2 %>% select(Species) %>% collect %>% .[["Species"]]

O se il tuo tavolo non è troppo grande, semplicemente ...

iris2 %>% collect %>% .[["Species"]]

2
Mi piace la tua funzione pull. Aggiungerei solo una semplificazione per i casi in cui esiste una sola variabile: pull <- function(x, y) { if (ncol(x) == 1) y <- 1 else y x[ , if (is.name(substitute(y))) deparse(substitute(y)) else y, drop = FALSE][[1]] }così puoi andare coniris2 %>% pull()
Rappster

7
È inoltre possibile utilizzare l' magrittroperatore di esposizione ( %$%) per estrarre un vettore da una cornice dati. vale a dire iris2 %>% select(Species) %>% collect() %$% Species.
fabbro

@ Luke1018 è necessario creare una risposta di questo commento
RRS

pull()sarà implementato in dplyr versione 0.6 github.com/tidyverse/dplyr/commit/…
nacnudus

72

Puoi anche usare unlistciò che trovo più facile da leggere perché non è necessario ripetere il nome della colonna o specificare l'indice.

iris2 %>% select(Species) %>% unlist(use.names = FALSE)

1
Questo sembra il metodo più versatile in quanto funziona in modo identico con vettori e data.frames, ovvero consente alle funzioni di essere più agnostiche.
geotheory

Stavo solo cercando una risposta a questa domanda esatta ed unlistè esattamente ciò di cui avevo bisogno. Grazie!
Andrew Brēza,

unlistpuò anche estrarre valori da più colonne (combinando tutti i valori in un singolo vettore), mentre dplyr::pullè limitato a una singola colonna.
filups21

21

Vorrei usare la extract2funzione di convenienza da magrittr:

library(magrittr)
library(dplyr)

iris2 %>%
  select(Species) %>%
  extract2(1)  

Intendevi usare collect()tra selecte extract2?
nacnudus,

10
use_series(Species)è forse ancora più leggibile. Grazie per avermi avvisato di queste funzioni, ce ne sono molte altre utili da cui provengono.
nacnudus,

20

Probabilmente scriverei:

collect(select(iris2, Species))[[1]]

Poiché dplyr è progettato per funzionare con tbls di dati, non esiste un modo migliore per ottenere una singola colonna di dati.


Non posso dire più giusto di così. È nato interattivamente nella console quando ho provato a utilizzare unique (table $ column) per verificare la presenza di valori spuri.
nacnudus,

4
@nacnudus per quel caso potresti anche faregroup_by(column) %.% tally()
Hadley

12
Un argomento drop = TRUEa dplyr::selectSarebbe fantastico per le abbastanza molti casi d'uso in cui abbiamo effettivamente bisogno di estrarre i vettori.
Antoine Lizée,

Questo è stato l'unico modo per ottenere una colonna dal mio sdf Sparklyr. Pull non funzionava per me sulla versione 0.7.8.
Meep

16

@ Luke1018 ha proposto questa soluzione in uno dei commenti:

È inoltre possibile utilizzare l' magrittroperatore di esposizione ( %$%) per estrarre un vettore da una cornice dati.

Per esempio:

iris2 %>% select(Species) %>% collect() %$% Species

Ho pensato che meritasse una sua risposta.


Lo stavo cercando.
Diego-MX,

Come farei questo se volessi passare non il nome stesso ma una variabile stringa che lo contiene?
mzuba,

@mzuba tibble(x = 1:10, y = letters[1:10]) %>% select_("x") %>% unlist()e potresti anche aggiungerne un altro %>% unname()alla fine, se vuoi, ma per i miei scopi non ho trovato l'ultimo collegamento a catena del tubo necessario. È inoltre possibile specificare use.names = FALSEnel unlist()comando, che fa la stessa cosa che si aggiunge anche unname()alla catena di tubi.
Mark White,

1
@mzuba Vorrei usare il pullcomando ora. La mia soluzione è stata scritta prima della dplyrversione 0.6.
RRS

1
Nota che %$%funziona su qualsiasi elenco, mentre pull()non lo fa
wint3rschlaefer il

2

Se sei abituato a usare parentesi quadre per l'indicizzazione, un'altra opzione è quella di racchiudere il solito approccio di indicizzazione in una chiamata a deframe () , ad esempio:

library(tidyverse)

iris2 <- as_tibble(iris)

# using column name
deframe(iris2[, 'Sepal.Length'])

# [1] 5.1 4.9 4.7 4.6 5.0 5.4

# using column number
deframe(iris2[, 1])

# [1] 5.1 4.9 4.7 4.6 5.0 5.4

Quello e pull () sono entrambi modi piuttosto buoni per ottenere una colonna tibble.

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.
Licensed under cc by-sa 3.0 with attribution required.