Filtrowanie wierszy w data.table

Manipulacja danymi z data.table w R

Matt Dowle and Arun Srinivasan

Instructors, DataCamp

Ogólna składnia data.table

Pierwszy argument i służy do wybierania lub filtrowania wierszy

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

Numery wierszy

# Subset 3rd and 4th rows from batrips
batrips[3:4]

# Same as
batrips[3:4, ]

# Subset everything except first five rows
batrips[-(1:5)] 

# Same as
batrips[!(1:5)]

Symbol specjalny .N

.N to liczba całkowita przechowująca liczbę wierszy w data.table
Przydatna alternatywa dla nrow(x) w i

nrow(batrips)

batrips[326339]

trip_id duration
588914      364

# Returns the last row
batrips[.N]

trip_id duration
588914      364

# Return all but the last 10 rows
ans <- batrips[1:(.N-10)] 
nrow(ans)

Wyrażenia logiczne (I)

# Subset rows where subscription_type is "Subscriber"
batrips[subscription_type == "Subscriber"]

# If batrips was only a data frame
batrips[batrips$subscription_type == "Subscriber", ]

Wyrażenia logiczne (II)

# Subset rows where start_terminal = 58 and end_terminal is not 65
batrips[start_terminal == 58 & end_terminal != 65]

# If batrips was only a data frame
batrips[batrips$start_terminal == 58 & batrips$end_terminal != 65]

Wyrażenia logiczne (III)

Automatyczna optymalizacja za pomocą indeksów wtórnych

set.seed(1)
dt <- data.table(x = sample(10000, 10e6, TRUE), 
                 y = sample(letters, 1e6, TRUE))
indices(dt)

NULL

# 0.207s on first run 
#(time to create index + subset)
system.time(dt[x == 900])

user  system elapsed 
0.207   0.015   0.226

indices(dt)

"x"

# 0.002s on subsequent runs
#(instant subset using index)
system.time(dt[x == 900])

user  system elapsed 
0.002   0.000   0.002

Czas na ćwiczenia!

Manipulacja danymi z data.table w R