Question

因此，我有六个大型数据集，每个数据集都有大约250个预测变量（每个变量的初始预测变量都相同）。运行一种算法，如果该算法不符合某些标准，则将其从数据集中删除。

例如，有一个名为X.50T的预测变量

X.50T可以从第一个数据集和第二个数据集中删除，但不能从其他数据集中删除。所有其他预测变量也是如此。

我想知道我的所有六个数据集中包含哪些预测变量。

如何在R中完成此操作？

本质上，每个数据集对应一个结果列（$ d_ {i} $）

即，对于六个数据集，我有六个列，分别是$ d_ {1} $，$ d_ {2} $，$ d_ {3} $，$ d_ {4} $，$ d_ {5} $和$ d_ {6} $

我想创建一个新的数据框，其中包含上述六列和预测变量，但仅包含出现在所有六个数据集中的预测变量。

六个数据集中的每个都有1800-2000行。每个对应于行名。我也只想包括所有出现在该观察中的所有六行。例如，数据框的“ row.names”为1,2,3 .... 2000，中间缺少一些。如果我说所有六个数据集中的行名称都为“ 150”，则要包括在内，如果在一个数据集中都没有，则要排除。

例如，假设250个预测变量中，所有六个数据集中仅出现200个。观察次数大约为2000。因此，我希望将2000 x 206矩阵作为新数据框。但是我只想在所有六行中都包含那些行，所以它可能是一个较小的数据帧，例如1800 x 206

谢谢

Answer 1

要获取数据框的列名，请先使用names或colnames，如

cols <- colnames(df)

要获取列名的交集，请使用intersect。例如：

first <- c("Espresso", "Flat White", "Americano")
second <- c("Americano", "Espresso", "Tea")
intersect(first, second)
[1] "Espresso"  "Americano"

要对多个列名向量很好地执行此操作，请尝试Reduce

third <- fourth <- fifth <- sixth <- first[-1]
third
[1] "Flat White" "Americano" 

final_columns <- Reduce(intersect, list(first, second, third, fourth, fifth, sixth))
final_columns 
[1] "Americano"

要手动“手动”添加几列，请使用c()，如

final_columns <- c("Bulletproof Coffee", final_columns)

完成此操作后，只需对原始数据帧进行子集化：

newdf <- original_df[, final_columns]

对于行名也可以这样做，尽管还有其他方法，例如内部联接或merge实现相同的结果。无论如何，以上内容应使您了解如何实现所需的结果。

根据R拟合标准制作新的数据框

1 个答案: