Question

我有一个大型矩阵“dt”的急诊部门访问超过2个月的一组诊断代码。列是“年龄”，“性别”，“日期”，“县”，“拉链”，“主观”，“位置”，“诊断”和“dt”;尺寸为872344×9。

我想从这个矩阵中进行子集化，并创建一个新的矩阵，其中只包含“diag”列的数字介于800和849之间（所有列）的行。

我一直在搞乱构建循环并使用“which”或“if.else”，但我遇到了一个心理障碍。看起来如果它只是一个我想要提取的诊断代码会更容易，但50个代码的系列使事情变得复杂......指向一个循环？有没有人有基于找到某些值的子集的想法？

这是我的开始（它不起作用）：

dta = dt
b = 800:849
for (i in 1:length(b)) {

}

Answer 1

dta = dt[dt[, 8] >= 800 & dt[, 8] <= 849, ]

ETA：你确定这是一个矩阵而不是data.frame吗？如果是data.frame，您可以执行以下操作：

dta = dt[dt$diag >= 800 & dt$diag <= 849, ]

Answer 2

根据你的列名，我怀疑你的dt是一个data.frame，而不是一个矩阵;您可以通过运行is.data.frame(dt)来确认。

如果是这种情况，过滤数据的简便方法是使用subset函数，如下所示：

dta <- subset(dt, diag >= 800 & diag <= 849)

Answer 3

除了上面的优秀答案，我还可以在message = openpgp.message.readArmored (message);包中添加filter功能

dpylr

filter(dt,diag>=800 & diag <= 849)与filter()类似，不同之处在于您可以为其提供任意数量的过滤条件，这些过滤条件与subset()（非&一起使用很容易偶然！）。 &&包还有其他很好的数据操作函数，您可以查看。

Answer 4

我不会将matrix()转换为data.frame()，因为它较慢并且会占用更多内存，而matrix()操作通常会更快。

除了David的回答，使用列号索引：

dta = dt[dt[,8] >= 800 & dt[,8] <= 849,]

还有一个使用列名称索引的表单和矩阵：

dta = dt[dt[,'metric'] >= 800 & dt[,'metric'] <= 849,]

如microbenchmark包命令所示，对于包含12列和13,241行的相同矩阵，使用英特尔MKL优化编译的R运行：

microbenchmark::microbenchmark(
     test.matrix     = mt[mt[,3] %in% 5:10 & mt[,5] == 1,],
     test.data.frame = df[df[,3] %in% 5:10 & df[,5] == 1,],
     times = 1000
     )

Unit: microseconds
            expr      min       lq     mean  median        uq        max neval
 test.matrix      885.732  938.386 1154.898  943.74  952.4415 138215.318  1000
 test.data.frame 1176.218 1245.826 1363.379 1258.32 1286.4320 3392.556    1000

当矩阵变得非常大时，这种差异变得明显。在我的机器上，矩阵索引速度也优于data.table。

R：矩阵中的子集，仅指某列中具有特定值的行

4 个答案: