Rilasciare le colonne del frame di dati per nome

Ho un numero di colonne che vorrei rimuovere da un frame di dati. So che possiamo eliminarli singolarmente usando qualcosa come:

df$x <- NULL

Ma speravo di farlo con meno comandi.

Inoltre, so che potrei eliminare le colonne usando l'indicizzazione di numeri interi in questo modo:

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

Ma sono preoccupato che la posizione relativa delle mie variabili possa cambiare.

Data la potenza della R, ho pensato che potrebbe esserci un modo migliore che far cadere ogni colonna una per una.

Puoi usare un semplice elenco di nomi:

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)]

Oppure, in alternativa, puoi creare un elenco di quelli da conservare e fare riferimento ad essi per nome:

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

EDIT: per coloro che non hanno ancora familiarità con l' dropargomento della funzione di indicizzazione, se si desidera mantenere una colonna come frame di dati, è necessario:

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

drop=TRUE(o non menzionarlo) eliminerà le dimensioni non necessarie e quindi restituirà un vettore con i valori di colonna y.

C'è anche il subsetcomando, utile se sai quali colonne vuoi:

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

AGGIORNATO dopo il commento di @hadley: per eliminare le colonne a, c potresti fare:

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

within(df, rm(x))

è probabilmente il più semplice o per più variabili:

within(df, rm(x, y))

O se hai a che fare con data.tables (per Come si elimina una colonna per nome in data.table? ):

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

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

o per più variabili

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

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

Puoi usare %in%così:

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

list (NULL) funziona anche:

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"

Se si desidera rimuovere le colonne per riferimento ed evitare la copia interna associata, data.framesè possibile utilizzare il data.tablepacchetto e la funzione:=

È possibile passare i nomi di un vettore di caratteri sul lato sinistro :=dell'operatore e NULLcome 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]

Se si desidera predefinire i nomi come vettore di caratteri all'esterno della chiamata [, inserire il nome dell'oggetto in ()o {}forzare la valutazione di LHS nell'ambito di chiamata non come un nome nell'ambito di DT.

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.   

Puoi anche usare set, il che evita il sovraccarico di [.data.table, e funziona anche per data.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)

Esiste una strategia potenzialmente più potente basata sul fatto che grep () restituirà un vettore numerico. Se hai una lunga lista di variabili come faccio in uno dei miei set di dati, alcune variabili che finiscono in ".A" e altre che finiscono in ".B" e vuoi solo quelle che finiscono in ".A" (insieme con tutte le variabili che non corrispondono a nessuno dei due pattern, procedere come segue:

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

Per il caso in esame, usando l'esempio di Joris Meys, potrebbe non essere così compatto, ma sarebbe:

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

Un'altra dplyrrisposta Se le tue variabili hanno una struttura di denominazione comune, potresti provare starts_with(). Per esempio

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

Se si desidera eliminare una sequenza di variabili nel frame di dati, è possibile utilizzare :. Ad esempio, se si desidera eliminare var2, var3e tutte le variabili tra, rimarrebbe solo con var1:

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

Un'altra possibilità:

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

o

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

Produzione:

    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)

Produzione:

        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

Soluzione Dplyr

Dubito che questo attirerà molta attenzione quaggiù, ma se hai un elenco di colonne che vuoi rimuovere e vuoi farlo in una dplyrcatena che uso one_of()nellaselect clausola:

Ecco un esempio semplice e riproducibile:

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

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

La documentazione può essere trovata eseguendo ?one_ofo qui:

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

Per interesse, questo segnala una delle strane incoerenze della sintassi multipla di R. Ad esempio, dato un frame di dati a due colonne:

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

Questo dà un frame di dati

subset(df, select=-y)

ma questo dà un vettore

df[,-2]

Tutto questo è spiegato ?[ma non è esattamente il comportamento previsto. Beh, almeno non per me ...

Ecco un dplyrmodo per farlo:

#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()

Mi piace perché è intuitivo da leggere e comprendere senza annotazioni e robusto per le colonne che cambiano posizione all'interno del frame di dati. Segue anche l'idioma vettorializzato usando -per rimuovere elementi.

Continuo a pensare che ci debba essere un linguaggio migliore, ma per sottrarre le colonne per nome, tendo a fare quanto segue:

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

C'è una funzione chiamata dropNamed()nel BBmiscpacchetto di Bernd Bischl che fa esattamente questo.

BBmisc::dropNamed(df, "x")

Il vantaggio è che evita di ripetere l'argomento del frame di dati ed è quindi adatto per il piping magrittr(proprio come gli dplyrapprocci):

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

Un'altra soluzione se non si desidera utilizzare @ hadley sopra: Se "COLUMN_NAME" è il nome della colonna che si desidera eliminare:

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

Oltre a quello select(-one_of(drop_col_names))dimostrato nelle risposte precedenti, ci sono un paio di altre dplyropzioni per eliminare le colonne usando select()che non implicano la definizione di tutti i nomi specifici delle colonne (usando i dati di esempio dplyr starwars per una certa varietà nei nomi delle colonne):

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 

Se è necessario eliminare una colonna che potrebbe o non potrebbe esistere nel frame di dati, ecco una leggera modifica usando select_if()che a differenza dell'uso one_of()non genererà un Unknown columns:avviso se il nome della colonna non esiste. In questo esempio 'bad_column' non è una colonna nel frame di dati:

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

Fornire il frame di dati e una stringa di nomi separati da virgola per rimuovere:

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

Utilizzo :

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

Trova l'indice delle colonne che desideri eliminare utilizzando which. Dai a questi indici un segno negativo ( *-1). Quindi sottoinsieme di quei valori, che li rimuoveranno dal frame di dati. Questo è un esempio

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

Se hai una data.framememoria grande e hai poca memoria [ . . . .oppure rmewithin per rimuovere le colonne di adata.frame , come subsetè attualmente (R 3.6.2) usando più memoria, oltre al suggerimento del manuale da usare in modo subsetinterattivo .

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