Question

我有一个数据框df，其中包含很多cols并说100行。

如何从名称为“alpha”，“gamma”和“zeta”的列中获取所有级别值，并将其中的300个存储在一个向量中？

Answer 1

我发现首先转换为矩阵可以更容易地达到水平。

as.vector(as.matrix(df[,c("alpha", "gamma", "zeta")]))

当然，在最初读取数据时，您可能刚刚完成stringsAsFactors=FALSE。

Answer 2

您有一个已接受的答案，但这是我认为发生的事情：您有factor和character列的组合。在这种情况下，unlist不能直接使用，但如果它们都是factor，或者它们都是character，那么就没有问题：

一些示例数据：

mydf <- data.frame(A = LETTERS[1:3], B = LETTERS[4:6], C = LETTERS[7:9],
                   D = LETTERS[10:12], E = LETTERS[13:15])
df <- mydf
df$E <- as.character(df$E)
colsOfInterest <- c("A", "B", "E")

案例1，所有列都是因子

unlist(mydf[colsOfInterest], use.names = FALSE)
# [1] A B C D E F M N O
# Levels: A B C D E F M N O

案例2，E列=字符，其他栏因素

unlist(df[colsOfInterest], use.names = FALSE)
# [1] "1" "2" "3" "1" "2" "3" "M" "N" "O"

unlist(lapply(df[colsOfInterest], as.character), use.names = FALSE)
# [1] "A" "B" "C" "D" "E" "F" "M" "N" "O"

对于此处描述的规模的问题，基准测试显示，如果您不关心保留因素，首先转换为字符并使用unlist实际上是最快的方法。请注意，如果某些列是因子而某些列是字符，则fun1()的结果将不正确。这是100行data.frame的基准：

library(microbenchmark)    
microbenchmark(fun1(), fun2(), fun3())
# Unit: microseconds
#    expr      min        lq    median       uq      max neval
#  fun1()  572.606  587.3595  595.4845  606.175 3439.055   100
#  fun2()  327.570  334.6265  341.2550  350.449 3443.758   100
#  fun3() 1037.020 1055.6215 1064.1745 1086.197 3929.981   100

当然，这里我们谈的是微秒，但结果也是如此。

供参考，这是用于基准测试的内容。如果您要测试不同大小的nRow提取不同数量的列，请更改“nCol”和“data.frame”。

nRow <- 100
nCol <- 30
set.seed(1)
mydf <- data.frame(matrix(sample(LETTERS, nRow*nCol, replace = TRUE), nrow = nRow))
colsOfInterest <- sample(nCol, sample(nCol*.7, 1))
length(colsOfInterest)
# [1] 17

library(microbenchmark)    
fun1 <- function() unlist(mydf[colsOfInterest], use.names = FALSE)
fun2 <- function() unlist(lapply(mydf[colsOfInterest], as.character), use.names = FALSE)
fun3 <- function() as.vector(as.matrix(mydf[colsOfInterest]))
microbenchmark(fun1(), fun2(), fun3())

Answer 3

 vec <- unlist(lapply( df[ , 
                        names(df) %in% c("alpha","gamma", "zeta") ],
                levels) )[1:300]

这将给出独特的水平。如果您想要这些列中的前300个值，请执行以下操作：

 vec <- unlist(lapply( df[ , 
                        names(df) %in% c("alpha","gamma", "zeta") ],
                as.character) )[1:300]

从多个数据帧列到一个向量的值

3 个答案:

案例1，所有列都是因子

案例2，E列=字符，其他栏因素