在一个非常健壮的数据集中只保留某些列的列表？

Question

我正在尝试用一些纵向数据做一些事情：

1) 将几年的数据合并到一张表中 例如

data1996.csv,
data1997.csv,
...,
data2013.csv

2) 定义要保留的变量列表

3) 删除所有与 Keepers 列表不匹配的列 4) 将结果数据集写入 CSV 文件

require(data.table)
setwd("~/my/directory")

定义文件路径的名称

paths <- list()

列出我要聚合的文件

for(i in 0:17) 
{
  paths[i]<- paste("MERGED",1996+i,"_PP.csv",sep="")
}

定义要保留的变量列表

keeps <- list(
  "CITY",
  "ZIP",
  "LONGITUDE",
  "LATITUDE",
   ...
)

对路径列表中的所有文件运行 fread

out <- rbindlist(lapply(paths, fread), use.names=TRUE)

由于某种原因 typeof(out) 返回列表

这是我尝试删除除“保留”中的列之外的所有列的地方

filteredOut <- out[,keeps,drop=FALSE]

但它只是给了我一个我想要保留的 28 个变量的列表

我也试过这个：

filteredOut <- out[keeps]

但我收到此错误：

  Error in `[.data.table`(out, keeps) : 
  When i is a data.table (or character vector), x must be keyed (i.e. sorted, and, marked as sorted) so data.table knows which columns to join to and take advantage of x being sorted. Call setkey(x,...) first, see ?setkey.
    write.table(filteredOut, "testing.csv", sep=",")

我的脚本似乎成功地结合了 17 年的数据（我最终得到了 'out'，它在 1729 个变量中有 117905 个 obs）

之后，我想保存到 csv：

write.table(filteredOut, "myfile.csv", sep=",")

我也收到警告，其中超过 50 个，但它们似乎认为是 NULL 值。我遇到的问题是 1）理解数据类型（list、data.frame、data.table）和 2）实现 drop 命令的正确方法

非常感谢任何和所有帮助！

Answer 1

我们可以unlist 'keeps'，并使用with=FALSE 对列进行子集化。

out[, unlist(keeps), with=FALSE]