在 data.table 中篩選列

R 的 data.table 資料操作

Matt Dowle and Arun Srinivasan

Instructors, DataCamp

data.table 語法總覽

第一個引數 i 用來「取子集」或「篩選」列。

# data.table 語法的一般形式
DT[i, j, by]
   |  |  |
   |  |  --> 依什麼分組？
   |  -----> 要做什麼？
   --------> 哪些列？

列號

# 取出第 3 與第 4 列
batrips[3:4]

# 同等於
batrips[3:4, ]

# 取出除前 5 列外的所有列
batrips[-(1:5)] 

# 同等於
batrips[!(1:5)]

特殊符號 .N

.N 是整數，代表 data.table 的列數。
在 i 中可作為 nrow(x) 的好替代。

nrow(batrips)

batrips[326339]

trip_id duration
588914      364

# 回傳最後一列
batrips[.N]

trip_id duration
588914      364

# 回傳除最後 10 列外的所有列
ans <- batrips[1:(.N-10)] 
nrow(ans)

布林運算式（I）

# 取出 subscription_type 為 "Subscriber" 的列
batrips[subscription_type == "Subscriber"]

# 若 batrips 只是 data frame
batrips[batrips$subscription_type == "Subscriber", ]

布林運算式（II）

# 取出 start_terminal = 58 且 end_terminal 不等於 65 的列
batrips[start_terminal == 58 & end_terminal != 65]

# 若 batrips 只是 data frame
batrips[batrips$start_terminal == 58 & batrips$end_terminal != 65]

布林運算式（III）

自動使用次要索引最佳化速度。

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

NULL

# 第一次執行約 0.207 秒
#（建立索引 + 篩選時間）
system.time(dt[x == 900])

user  system elapsed 
0.207   0.015   0.226

indices(dt)

"x"

# 之後執行約 0.002 秒
#（用索引即時篩選）
system.time(dt[x == 900])

user  system elapsed 
0.002   0.000   0.002

一起來練習吧！

R 的 data.table 資料操作