提取dplyr tbl列作为向量

175

是否有更简洁的方法从带有数据库后端的tbl中获取dplyr tbl的一列作为向量（即，数据帧/表不能直接成为子集）？

require(dplyr)
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
iris2$Species
# NULL

那太容易了，所以

collect(select(iris2, Species))[, 1]
# [1] "setosa"     "setosa"     "setosa"     "setosa"  etc.

但是似乎有点笨拙。

r dplyr lazy-evaluation collect

— Nacnudus
source

是collect(iris2)$Species少笨拙？

— CJ Yetman '17

178

使用dplyr 0.7.0，您可以用来pull从tbl。

library("dplyr")
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
vec <- pull(iris2, Species)
head(vec)
#> [1] "setosa" "setosa" "setosa" "setosa" "setosa" "setosa"

— 洛伦兹·沃尔瑟特
source

96

根据@nacnudus的评论，似乎pull在dplyr 0.6中实现了一个函数：

iris2 %>% pull(Species)

对于较旧版本的dplyr，以下是一个巧妙的功能，可以使拉出列更好一些（更容易键入且更易于阅读）：

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

这使您可以执行以下任一操作：

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

而且它也可以与数据帧配合使用：

> 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v0.2中执行此操作的好方法dplyr：

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

或者，如果您喜欢：

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

或者，如果您的桌子不太大，只需...

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

— 汤米·奥德尔
source

2

我喜欢您的拉动功能。对于只有一个变量的情况，我只添加一种简化形式：

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

所以您可以使用iris2 %>% pull()

— Rappster

7

您还可以使用magrittr曝光运算符（%$%）从数据框中提取向量。即iris2 %>% select(Species) %>% collect() %$% Species。

— seasmith '17

@ Luke1018，您应该根据此注释创建答案

— rrs

pull()将在dplyr 0.6版本实现github.com/tidyverse/dplyr/commit/...

— nacnudus

72

您也可以使用unlist我认为更容易阅读的内容，因为您无需重复列的名称或指定索引。

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

— 斯坦尼斯劳·斯威克
source

1

这似乎是最通用的方法，因为它可以与vectors和data.frames相同地工作，即它使函数更加不可知。

— geotheory，2017年

我只是在寻找这个确切问题的答案，而这unlist正是我所需要的。谢谢！

— 安德鲁·布雷扎（AndrewBrēza）

unlist还可以从多个列中提取值（将所有值组合到一个向量中），而dplyr::pull仅限于单个列。

— filups21

21

我将使用extract2来自的便捷功能magrittr：

library(magrittr)
library(dplyr)

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

— 休
source

您是不是要collect()在select和之间使用extract2？

— nacnudus 2014年

10

use_series(Species)甚至更具可读性。感谢您提醒我这些功能，还有其他一些方便的功能。

— nacnudus 2014年

20

我可能会写：

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

由于dplyr是为处理tbl数据而设计的，因此没有更好的方法来获取单列数据。

— 哈德利
source

不能说比这更公平。当我尝试使用unique（table $ column）检查虚假值时，它在控制台中以交互方式出现。

— nacnudus 2014年

4

对于这种情况，您也可以使用group_by(column) %.% tally()

— @nacnudus

12

一种说法drop = TRUE来dplyr::select将是惊人的相当多的使用情况下，我们确实需要提取载体。

— AntoineLizée'16

这是我可以从Sparklyr sdf中获取专栏的唯一方法。Pull不适用于0.7.8版本。

— MEEP

16

@ Luke1018在以下评论之一中提出了此解决方案：

您也可以使用 magrittr曝光运算符（%$%）从数据框中提取向量。

例如：

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

我认为它应该得到自己的答案。

— rrs
source

我一直在寻找。

— Diego-MX

如果我不想传递colname本身，而是传递包含它的字符串变量，该怎么办？

— mzuba

@mzuba tibble(x = 1:10, y = letters[1:10]) %>% select_("x") %>% unlist()，%>% unname()如果需要，也可以在末尾添加另一个，但是出于我的目的，我没有发现最后一个管道链链接是必需的。您还可以use.names = FALSE在unlist()命令中指定，其作用与添加unname()到管道链中相同。

— 马克·怀特

1

@mzuba我pull现在将使用命令。我的解决方案是在dplyr0.6版之前编写的。

— rrs

1

请注意，它%$%可以在任何列表上使用，而pull()不能使用

— wint3rschlaefer

2

如果您习惯使用方括号进行索引，则另一种选择是将通常的索引方法包装在对deframe（）的调用中，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pull（）都是获取小标题列的不错的方法。

— 基思·休吉特（Keith Hughitt）
source