Selectarea coloanelor dintr-un data.table

Manipularea datelor cu data.table în R

Matt Dowle, Arun Srinivasan

Instructors, DataCamp

Sintaxa generală data.table (Recapitulare)

Al doilea argument j este utilizat pentru a selecta (și a calcula pe) coloane

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

Selectarea coloanelor după nume

Argumentul j acceptă un vector de caractere cu nume de coloane

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

trip_id duration
139545      435
139546      432

Selectarea coloanelor după nume

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

Numerele de coloane funcționează la fel ca numele

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

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

Totuși, aceasta este considerată o practică inadecvată

# 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")]

Deselectarea coloanelor cu vectori de caractere

-c("col1", "col2", ...) deselectează coloanele specificate
Funcționalitate disponibilă doar în data.table
Utilizarea ! în loc de - produce același rezultat

# 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

Selectarea coloanelor în stilul data.table

Vă amintiți cum coloanele erau utilizate ca variabile în argumentul i din capitolul anterior?

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

Similar, puteți folosi o listă de variabile (nume de coloane) pentru a selecta coloane

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

trip_id     dur
139545      435
139546      432

La selectarea unei singure coloane, fără a folosi list(), se returnează un 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

Selectarea coloanelor în stilul data.table

.() este un alias pentru list(), pentru concizie

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

trip_id duration
139545      435
139546      432

Să exersăm!

Manipularea datelor cu data.table în R