提取 dplyr tbl 列作为向量答案

【问题标题】：Extract a dplyr tbl column as a vector提取 dplyr tbl 列作为向量
【发布时间】：2014-03-04 07:32:45
【问题描述】：

有没有更简洁的方法从具有数据库后端的 tbl 中获取 dplyr tbl 的一列作为向量（即数据框/表不能直接作为子集）？

require(dplyr)
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
iris2$Species
# NULL

那太容易了，所以

collect(select(iris2, Species))[, 1]
# [1] "setosa"     "setosa"     "setosa"     "setosa"  etc.

不过好像有点笨拙。

【问题讨论】：

collect(iris2)$Species 不那么笨拙了吗？

标签： r dplyr lazy-evaluation collect

【解决方案1】：

如果 dplyr >= 0.7.0，您可以使用 pull 从 tbl 获取向量。

library("dplyr")
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
vec <- pull(iris2, Species)
head(vec)
#> [1] "setosa" "setosa" "setosa" "setosa" "setosa" "setosa"

【讨论】：

【解决方案2】：

如果您习惯于使用方括号进行索引，另一种选择是将通常的索引方法封装在对 deframe() 的调用中，例如：

library(tidyverse)

iris2 <- as_tibble(iris)

# using column name
deframe(iris2[, 'Sepal.Length'])

# [1] 5.1 4.9 4.7 4.6 5.0 5.4

# using column number
deframe(iris2[, 1])

# [1] 5.1 4.9 4.7 4.6 5.0 5.4

that 和 pull() 都是获取 tibble 列的好方法。

【讨论】：

【解决方案3】：

根据@nacnudus 的评论，似乎在 dplyr 0.6 中实现了 pull 函数：

iris2 %>% pull(Species)

对于旧版本的 dplyr，这里有一个简洁的功能，可以让拉出一列更好一些（更容易输入，更容易阅读）：

pull <- function(x,y) {x[,if(is.name(substitute(y))) deparse(substitute(y)) else y, drop = FALSE][[1]]}

这使您可以执行以下任一操作：

iris2 %>% pull('Species')
iris2 %>% pull(Species)
iris2 %>% pull(5)

导致...

 [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7 15.0 21.4

它也适用于数据框：

> mtcars %>% pull(5)
 [1] 3.90 3.90 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 3.92 3.07 3.07 3.07 2.93 3.00 3.23 4.08 4.93 4.22 3.70 2.76 3.15 3.73 3.08 4.08 4.43
[28] 3.77 4.22 3.62 3.54 4.11

在dplyr 的 v0.2 中实现这一点的好方法：

iris2 %>% select(Species) %>% collect %>% .[[5]]

或者，如果您愿意：

iris2 %>% select(Species) %>% collect %>% .[["Species"]]

或者，如果您的桌子不是太大，只需...

iris2 %>% collect %>% .[["Species"]]

【讨论】：

我喜欢你的拉取功能。对于只有一个变量的情况，我只想添加一个简化：pull <- function(x, y) { if (ncol(x) == 1) y <- 1 else y x[ , if (is.name(substitute(y))) deparse(substitute(y)) else y, drop = FALSE][[1]] }，这样您就可以使用iris2 %>% pull()
您还可以使用 magrittr 展示运算符 (%$%) 从数据框中提取向量。即iris2 %>% select(Species) %>% collect() %$% Species.
@Luke1018 你应该从这个评论中创建一个答案
pull() 将在 dplyr 0.6 版中实现 github.com/tidyverse/dplyr/commit/…

【解决方案4】：

@Luke1018 在其中一个 cmets 中提出了这个解决方案：

您还可以使用 magrittr 展示运算符 (%$%) 从数据框中提取矢量。

例如：

iris2 %>% select(Species) %>% collect() %$% Species

我认为它应该得到自己的答案。

【讨论】：

我在找这个。
如果我想传递的不是 colname 本身而是包含它的字符串变量，我该怎么做？
@mzuba tibble(x = 1:10, y = letters[1:10]) %>% select_("x") %>% unlist() 如果需要，您还可以在末尾添加另一个 %>% unname()，但出于我的目的，我还没有发现最后一个管道链链接是必要的。您还可以在unlist() 命令中指定use.names = FALSE，这与将unname() 添加到管道链中的作用相同。
@mzuba 我现在会使用pull 命令。我的解决方案是在dplyr 0.6 版之前编写的。
请注意，%$% 适用于任何列表，而 pull() 不适用

【解决方案5】：

您也可以使用unlist，我觉得它更易于阅读，因为您不需要重复列名或指定索引。

iris2 %>% select(Species) %>% unlist(use.names = FALSE)

【讨论】：

这似乎是最通用的方法，因为它与向量和 data.frames 的工作方式相同，即它使函数更加不可知。
我只是在寻找这个确切问题的答案，而unlist 正是我所需要的。谢谢！
unlist 还可以从多列中提取值（将所有值组合成一个向量），而dplyr::pull 仅限于一列。

【解决方案6】：

我会使用magrittr 中的extract2 便利功能：

library(magrittr)
library(dplyr)

iris2 %>%
  select(Species) %>%
  extract2(1)

【讨论】：

您的意思是在select 和extract2 之间使用collect() 吗？
use_series(Species) 可能更具可读性。感谢您提醒我注意这些功能，还有其他几个方便的功能。

【解决方案7】：

我可能会写：

collect(select(iris2, Species))[[1]]

由于 dplyr 是为处理 tbls 数据而设计的，因此没有更好的方法来获取单列数据。

【讨论】：

不能说比这更公平了。当我尝试使用 unique(table$column) 检查虚假值时，它在控制台中以交互方式出现。
@nacnudus 对于这种情况，您也可以这样做 group_by(column) %.% tally()
drop = TRUE 到 dplyr::select 的参数对于我们实际需要提取向量的许多用例来说将是惊人的。
这是我从 Sparklyr sdf 中获取列的唯一方法。在 0.7.8 版本上，Pull 不适用于我。