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。


collect(iris2)$Species少笨拙?
CJ Yetman '17

Answers:


178

使用dplyr 0.7.0,您可以用来pulltbl


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"

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"]]

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)

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)  

您是不是要collect()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。


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 = TRUEdplyr::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。


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 = FALSEunlist()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。

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.