我可以在 R 中设置子集时操作列吗？答案

【问题标题】：Can I manipulate a column whilst subsetting in R?我可以在 R 中设置子集时操作列吗？
【发布时间】：2017-07-12 11:27:20
【问题描述】：

我有一个带有列名的逻辑回归汇总统计数据框

"CHR" "SNP" "BP" "A1" "TEST" "NMISS" "OR" "STAT" "P"

我想创建一个包含三列的新数据框：

"SNP" "A1" 和 "logOR"

这样做的明显方法是创建一个新列 logOR，然后在这 3 列上简单地设置子集。

但是，我想知道是否可以在子集过程中执行 log(OR)？

我试过了：

raw<-c("SNP","A1","log(OR)")

data.raw<-data[,raw]

R 对此并没有太大印象。

提前致谢！

【问题讨论】：

如果列中没有logOR，即data[, grep('SNP|A1|OR", names(data))]，则可能需要grep
如果我理解正确，dplyr 可能对你很感兴趣：sel <- data %>% select(SNP,A1) %>% mutate(logOR = log(OR))
只要我指定 OR 的来源，dplyr 选项就可以工作： sel % select(SNP,A1) %>% mutate(logOR = log(data$OR))非常感谢！！
您需要指定data$OR，因为您没有在select 语句中包含OR。您可以像这样翻转函数以避免这种情况：sel <- data %>% mutate(logOR = log(OR)) %>% select(SNP, A1, logOR)

标签： r subset data-manipulation

【解决方案1】：

使用with 是一种很好且简单的方法：

dat.raw <- with(data, data.frame(SNP,A1,log(OR)))

【讨论】：

这也很重要，而且语法肯定更容易记住，尽管我也喜欢 dplyr 的答案，因为我以前没有使用过 dplyr。非常感谢您的帮助！

【解决方案2】：

最快最干净的方法（imo）是使用基函数transform

transform(data,logOR =  log(OR))[c("SNP","A1","logOR")]

奖金

还有其他方法可以做到这一点，我已经针对彼此进行了基准测试，并针对较小和较大的数据集（1000 行或 100000）给出了结果。

transform 在任何情况下都是最快的。在这种情况下，它是一个基本函数，其行为与 mutate 完全相同。

with 在这里“从哲学上”对我来说意义不大，但它是data.table 之后最短的一条线，当大小增加时，其性能几乎与transform 相当。

小数据帧

library(microbenchmark)    
n <- 1000
data <- data.frame("CHR"=sample(1:n),"SNP"=sample(1:n),"BP"=sample(1:n),"A1"=sample(1:n),"TEST"=sample(1:n),
                   "NMISS"=sample(1:n),"OR"=sample(1:n),"STAT"=sample(1:n),"P"=sample(1:n))
data2 <- as.data.table(data)

microbenchmark(
  transform   = transform(data,logOR =  log(OR))[c("SNP","A1","logOR")],
  within      = within   (data,logOR <- log(OR))[c("SNP","A1","logOR")],
  with        = with     (data, data.frame(SNP,A1,logOR=log(OR))),               # jkt's solution
  mutate      = mutate(data,logOR = log(OR))[c("SNP","A1","logOR")],             # mutate will behave exactly the same as transform in this case
  mutate_p    = data %>% mutate(logOR = log(OR)) %>% select(SNP, A1, logOR),     # same function but with the pipe syntax as formulated by Craig did in the comments
  data.table  = as.data.table(data)[,logOR :=  log(OR)][,.(SNP,A1,logOR)],       # data.table with conversion
  data.table2 = data2[,logOR :=  log(OR)][,.(SNP,A1,logOR)],                     # data.table without conversion, this adds logOR to data2 however
  times = 1000)

# Unit: microseconds
#       expr      min        lq      mean    median        uq       max neval
#   transform  202.086  243.4945  281.1694  263.3140  286.6725  6781.367  1000
#      within  290.919  353.2080  395.3183  373.5580  397.4480  7039.017  1000
#        with  279.948  337.8130  406.2508  361.8790  392.1390  7601.388  1000
#      mutate  912.040 1056.2610 1215.2035 1107.4010 1185.4395  8148.541  1000
#    mutate_p 1283.297 1516.7040 1741.8224 1584.3020 1710.2950 33254.564  1000
#  data.table  938.584 1058.5610 1175.6758 1116.7795 1214.4605  5079.035  1000
# data.table2  819.314  935.5755 1086.9992  993.6175 1084.0425 27160.856  1000

更大的数据帧

n <- 100000
...
# Unit: milliseconds
#        expr      min       lq     mean   median        uq       max neval
#   transform 3.005094 3.320254 3.978661 3.548707  3.815381  14.87116  1000
#      within 3.252126 3.618074 4.542457 3.929165  4.275118  99.77254  1000
#        with 3.102066 3.413511 4.229389 3.653466  3.937482  89.80346  1000
#      mutate 3.803171 4.221853 4.931597 4.474195  4.815546  26.43214  1000
#    mutate_p 4.283788 4.754672 5.622917 4.996396  5.366238  92.74237  1000
#  data.table 4.831649 6.336141 9.911754 8.212245 12.283330 102.13386  1000
# data.table2 3.997825 4.749894 6.677897 5.456840  6.125562 116.99369  1000

编辑：添加 data.table 解决方案

【讨论】：

感谢您的有趣帖子。我以前从未见过“实际中”的变换。