假设我有一个 data.table,例如:
library(data.table)
RRR <-data.table(1:15,runif(15),rgeom(15,0.5),rbinom(15,2,0.5))
V1 V2 V3 V4
1: 1 0.33577273 0 0
2: 2 0.66739739 2 1
3: 3 0.07501655 0 0
4: 4 0.43195663 2 1
5: 5 0.39525841 3 2
6: 6 0.15189738 1 1
7: 7 0.02637279 0 1
8: 8 0.44165623 0 1
9: 9 0.98710570 2 0
10: 10 0.62402805 1 0
11: 11 0.84829465 3 2
12: 12 0.02170976 0 1
13: 13 0.74608925 0 2
14: 14 0.29102296 2 0
15: 15 0.83820646 1 1
如何从中获取 data.table,其中所有行的任何列都包含“0”? (或某个值)
如果我必须用一列来完成,我可以使用:
RRR[V4==0,]
V1 V2 V3 V4
1: 1 0.33577273 0 0
2: 3 0.07501655 0 0
3: 9 0.98710570 2 0
4: 10 0.62402805 1 0
5: 14 0.29102296 2 0
但是,如果我想一次处理所有列,因为我有很多列,该怎么办?
这不能满足我的需要。
RRR[,sapply(RRR,function(xx)(xx==0)), with=TRUE]
V1 V2 V3 V4
[1,] FALSE FALSE TRUE TRUE
[2,] FALSE FALSE FALSE FALSE
[3,] FALSE FALSE TRUE TRUE
[4,] FALSE FALSE FALSE FALSE
[5,] FALSE FALSE FALSE FALSE
[6,] FALSE FALSE FALSE FALSE
[7,] FALSE FALSE TRUE FALSE
[8,] FALSE FALSE TRUE FALSE
[9,] FALSE FALSE FALSE TRUE
[10,] FALSE FALSE FALSE TRUE
[11,] FALSE FALSE FALSE FALSE
[12,] FALSE FALSE TRUE FALSE
[13,] FALSE FALSE TRUE FALSE
[14,] FALSE FALSE FALSE TRUE
[15,] FALSE FALSE FALSE FALSE
也许用一个 for 循环和一些复杂的粘贴?
不过,我更喜欢使用简单的 data.table 语法。
同样,如何获得所有行中包含“0”的列的 data.table?
我知道如何获取满足条件的列(作为一个整体),例如数字,
RRR[,sapply(RRR,function(xx)is.numeric(xx)),with=FALSE]
但如果我想按元素测试条件,则此方法不起作用。
如果有人感兴趣,这是更大的随机 data.table 的 system.time() ,其中包含您迄今为止提供的不同解决方案,并稍加修改。
set.seed(1)
n <- 1000000
RRR <- data.table(matrix(rgeom(100*n,0.5), ncol=100))
Getting ROWS
> RRR[RRR[,rowSums(RRR==0)>0]]
user system elapsed
2.72 0.55 3.27
> RRR[rowSums(RRR==0)>0]
user system elapsed
2.58 0.70 3.28
> RRR[apply(RRR,MAR=1,function(xx)any(xx==0))]
user system elapsed
10.81 0.19 11.00
> RRR[apply(RRR[,paste0('V',1:ncol(RRR)),with=FALSE],function(xx)any(xx==0),MAR=1)]
user system elapsed
10.49 0.30 10.83
Getting COLUMNS
> RRR[,sapply(RRR,function(xx)any(xx==0)), with=FALSE]
user system elapsed
0.81 0.31 1.12
> `[.listof`(RRR,colSums(RRR==0)>0)
user system elapsed
2.14 0.27 2.41
> RRR[,colSums(RRR==0)>0, with=FALSE]
user system elapsed
2.26 0.48 2.75
> RRR[, .SD, .SDcols=sapply(RRR, function(x) any(x==0))] #only version 1.9.5, seems the same solution than the first one.
user system elapsed
0.78 0.36 1.14
> RRR[, .SD, .SDcols=sapply(RRR, function(x) any(!as.logical(x)))]
user system elapsed
0.41 0.25 0.66
> RRR[Reduce('|',lapply(RRR,function(xx)(xx==0)))]
user system elapsed
3.11 0.33 3.44
> RRR[,apply(RRR[,paste0('V',1:ncol(RRR)),with=FALSE],function(xx)any(xx==0),MAR=2),with=FALSE]
user system elapsed
3.48 0.80 4.28
我还没有包括:
RRR[, i := any(unlist(lapply(.SD, function(x) x==0))), seq_len(nrow(RRR))][i==TRUE][,i:=NULL]
花了几分钟,我停止了它,它“标记”行而不是提取它们,这是最复杂的解决方案。
我将等待更快或更简单的解决方案,并听取您的评论和喜好。
sapply 应该会更慢,但事实并非如此。
如果 data.table 包含其他类型的数据,结果可能会改变。
如果我们能够在每行或每列中第一次出现时立即停止测试(==0),我们就可以加快速度。但我想如果没有循环或一些低级访问或按位操作我们就无法做到这一点。
我想到了一个新方法。
- sapply(R,函数(x)which(x==0))
- 我需要将 a) 的结果与列表的并集结合起来,但我不知道如何对任意数量的列执行此操作。
- 然后获取该行 RRR["a)"]
我想如果零的数量很大的话,速度会慢得多。
或许也可以尝试一下RRR[unique(unlist(sapply(RRR,function(xx)which(xx==0))))]
但太慢了。
获得相反结果的一个选择是RRR[(RRR==0)] <- NA; na.omit(RRR)