Výběr sloupců z data.table

Manipulace s daty pomocí data.table v R

Matt Dowle, Arun Srinivasan

Instructors, DataCamp

Obecná syntaxe data.table (opakování)

Druhý argument j slouží k výběru sloupců (a výpočtům nad nimi)

# General form of data.table syntax
DT[i, j, by]
   |  |  |
   |  |  --> grouped by what?
   |  -----> what to do?
   --------> on which rows?

Výběr sloupců pomocí názvů

Argument j přijímá vektory znaků s názvy sloupců

ans <- batrips[, c("trip_id", "duration")]
head(ans, 2)

trip_id duration
139545      435
139546      432

Výběr sloupců pomocí názvů

batrips_df <- as.data.frame(batrips)
ans <- batrips_df[, "trip_id"]
head(ans, 2)

# The result is a vector, not a data.frame
139545, 139546

ans <- batrips[, "trip_id"]
# Still a data.table, not a vector
head(ans, 2)

trip_id
139545
139546

Místo názvů lze použít čísla sloupců.

ans <- batrips[, c(2, 4)]
head(ans, 2)

duration  start_station
435       San Francisco City Hall
432       San Francisco City Hall

Tento přístup je však považován za špatnou praxi.

# If the order of columns changes, the result is wrong
batrips[, c(2, 4)]

# The result is always correct, no matter the order
batrips[, c("duration", "start_station")]

Vyloučení sloupců pomocí vektoru znaků

-c("col1", "col2", ...) odstraní zadané sloupce
Funkce dostupná pouze v data.table
Místo - lze použít ! se stejným výsledkem

# Select all cols *except* those shown below
ans <- batrips[, -c("start_date", "end_date", "end_station")]
head(ans, 1)

trip_id  duration  start_station             start_terminal  bike_id  end_terminal
139545   435       San Francisco City Hall   58              65       473 

subscription_type  zip_code
Subscriber         94612

Výběr sloupců způsobem data.table

V předchozí kapitole byly sloupce v argumentu i používány jako proměnné.

# Recap the "i" argument
# All trips more than an hour
batrips[duration > 3600]

Podobně lze k výběru sloupců použít seznam proměnných (názvů sloupců).

ans <- batrips[, list(trip_id, dur = duration)]
head(ans, 2)

trip_id     dur
139545      435
139546      432

Při výběru jednoho sloupce bez list() je výsledkem vector.

# Select a single column and return a data.table
ans <- batrips[, list(trip_id)]
head(ans ,2)

trip_id
139545
139546

# Select a single column and return a vector
ans <- batrips[, trip_id]
head(ans, 2)

139545 139546

Výběr sloupců způsobem data.table

.() je zkratka pro list()

# .() is the same as list()
ans <- batrips[, .(trip_id, duration)]
head(ans, 2)

trip_id duration
139545      435
139546      432

Pojďme si procvičit!

Manipulace s daty pomocí data.table v R