提取一个dplyr tbl列作为向量

小开

我可能会这样写:

collect(select(iris2, Species))[[1]]

由于dplyr是为处理表数据而设计的，因此没有更好的方法来获取单列数据。

小开

根据@nacnudus的评论，看起来dplyr 0.6中实现了pull函数:

iris2 %>% pull(Species)

对于旧版本的dplyr，这里有一个简洁的函数，可以更好地提取列(更容易输入，更容易阅读):

pull <- function(x,y) {x[,if(is.name(substitute(y))) deparse(substitute(y)) else y, drop = FALSE][[1]]}

这让你可以做以下任何一件事:

iris2 %>% pull('Species')
iris2 %>% pull(Species)
iris2 %>% pull(5)

导致……

 [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7 15.0 21.4

它也可以很好地处理数据帧:

> mtcars %>% pull(5)
[1] 3.90 3.90 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 3.92 3.07 3.07 3.07 2.93 3.00 3.23 4.08 4.93 4.22 3.70 2.76 3.15 3.73 3.08 4.08 4.43
[28] 3.77 4.22 3.62 3.54 4.11

在dplyr的v0.2中有一个很好的方法:

iris2 %>% select(Species) %>% collect %>% .[[5]]

或者如果你喜欢:

iris2 %>% select(Species) %>% collect %>% .[["Species"]]

或者如果你的桌子不是太大，简单地…

iris2 %>% collect %>% .[["Species"]]

小开

我将使用magrittr中的extract2方便函数:

library(magrittr)
library(dplyr)


iris2 %>%
select(Species) %>%
extract2(1)

小开

你也可以使用unlist，我发现它更容易阅读，因为你不需要重复列的名称或指定索引。

iris2 %>% select(Species) %>% unlist(use.names = FALSE)

小开

@Luke1018在一条评论中提出了这个解决方案:

也可以使用magrittr显示操作符(%$%)从数据帧中提取向量。

例如:

iris2 %>% select(Species) %>% collect() %$% Species

我认为它应该有自己的答案。

小开

最佳答案

使用dplyr >= 0.7.0，你可以使用pull()从tbl. c中获取一个向量。

library(dplyr, warn.conflicts = FALSE)
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
vec <- pull(iris2, Species)
head(vec)
#> [1] "setosa" "setosa" "setosa" "setosa" "setosa" "setosa"

小开

如果你习惯使用方括号进行索引，另一种选择是在deframe ()调用中包装通常的索引方法，例如:

library(tidyverse)


iris2 <- as_tibble(iris)


# using column name
deframe(iris2[, 'Sepal.Length'])


# [1] 5.1 4.9 4.7 4.6 5.0 5.4


# using column number
deframe(iris2[, 1])


# [1] 5.1 4.9 4.7 4.6 5.0 5.4

That和把()都是获取tibble列的好方法。

小开

另一种将列提取为向量的更快方法是使用c()函数将数据帧转换为列表，然后:

c(iris)$Species
c(iris)$Sepal.Length

使用dplyr方法从列到向量:

iris %>% select(Sepal.Length) %>%
as.matrix() %>%
as.vector()

如果你想要数据集的所有值作为一个向量，你只需做:

# I have this tibble:
iris %>% as_tibble() %>% head(3)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
<dbl>       <dbl>        <dbl>       <dbl> <fct>
1          5.1         3.5          1.4         0.2 setosa
2          4.9         3            1.4         0.2 setosa
3          4.7         3.2          1.3         0.2 setosa

按列值顺序(5.1,4.9,4.7，…)执行以下操作:

iris %>% as_tibble() %>% as.matrix %>% as.vector()


[1] "5.1"        "4.9"        "4.7"
[4] "4.6"        "5.0"        "5.4"
[7] "4.6"        "5.0"        "4.4"
[10] "4.9"        "5.4"        "4.8"
....
[742] "virginica"  "virginica"  "virginica"
[745] "virginica"  "virginica"  "virginica"
[748] "virginica"  "virginica"  "virginica"

对行值顺序(5.1,3.5,1.4，…)执行以下操作:

iris %>% as_tibble() %>% as.matrix %>% t() %>% as.vector()


[1] "5.1"        "3.5"        "1.4"
[4] "0.2"        "setosa"     "4.9"
[7] "3.0"        "1.4"        "0.2"
[10] "setosa"     "4.7"        "3.2"
[13] "1.3"        "0.2"        "setosa"
....
[739] "2.0"        "virginica"  "6.2"
[742] "3.4"        "5.4"        "2.3"
[745] "virginica"  "5.9"        "3.0"
[748] "5.1"        "1.8"        "virginica"