Seleccionar subconjunto de columnas en data.table R

Tengo una tabla de datos con un montón de columnas, por ejemplo:

dt<-data.table(matrix(runif(10*10),10,10)) 

Deseo realizar alguna operación en la tabla de datos, como producir una matriz de correlación ( cor(dt) ). Para hacer esto, quiero eliminar algunas columnas que contienen valores o valores no numéricos fuera de cierto rango.

Digamos que quiero encontrar la matriz de correlación excluyendo V1, V2, V3 y V5.

Aquí está mi enfoque actual:

 cols<-!(colnames(dt)=="V1" | colnames(dt)=="V2" | colnames(dt)=="V3" | colnames(dt)=="V5") new_dt<-subset(dt,,cols) cor(new_dt) 

Me parece bastante engorroso, teniendo en cuenta que la syntax data.table suele ser tan elegante. ¿Hay un mejor método para hacer esto?

Usar with=FALSE :

 cols = paste("V", c(1,2,3,5), sep="") dt[, !cols, with=FALSE] 

Sugiero revisar la viñeta “Introducción a data.table” .


Actualización: desde v1.10.2 adelante, también puede hacer:

 dt[, ..cols] 

Vea el primer elemento NOTICIAS en v1.10.2 aquí para una explicación adicional.

Tu puedes hacer

 dt[, !c("V1","V2","V3","V5"), with=FALSE] 

Llegar

  V4 V6 V7 V8 V9 V10 1: 0.88612076 0.94727825 0.50502208 0.6702523 0.24186706 0.96263313 2: 0.11121752 0.13969145 0.19092645 0.9589867 0.27968190 0.07796870 3: 0.50179822 0.10641301 0.08540322 0.3297847 0.03643195 0.18082180 4: 0.09787517 0.07312777 0.88077548 0.3218041 0.75826099 0.55847774 5: 0.73475574 0.96644484 0.58261312 0.9921499 0.78962675 0.04976212 6: 0.88861117 0.85690337 0.27723130 0.3662264 0.50881663 0.67402625 7: 0.33933983 0.83392047 0.30701697 0.6138122 0.85107176 0.58609504 8: 0.89907094 0.61389815 0.19957386 0.3968331 0.78876682 0.90546328 9: 0.54136123 0.08274569 0.25190790 0.1920462 0.15142604 0.12134807 10: 0.36511064 0.88117171 0.05730210 0.9441072 0.40125023 0.62828674 

Otra alternativa para usar with=FALSE es usar .SDcols

 cols = paste("V", c(1,2,3,5), sep="") dt[, .SD, .SDcols=-cols] 

Esto parece una mejora:

 > cols<-!(colnames(dt) %in% c("V1","V2","V3","V5")) > new_dt<-subset(dt,,cols) > cor(new_dt) V4 V6 V7 V8 V9 V10 V4 1.0000000 0.14141578 -0.44466832 0.23697216 -0.1020074 0.48171747 V6 0.1414158 1.00000000 -0.21356218 -0.08510977 -0.1884202 -0.22242274 V7 -0.4446683 -0.21356218 1.00000000 -0.02050846 0.3209454 -0.15021528 V8 0.2369722 -0.08510977 -0.02050846 1.00000000 0.4627034 -0.07020571 V9 -0.1020074 -0.18842023 0.32094540 0.46270335 1.0000000 -0.19224973 V10 0.4817175 -0.22242274 -0.15021528 -0.07020571 -0.1922497 1.00000000 

Este no es tan fácil de comprender, pero podría ser útil para situaciones en las que hay una necesidad de especificar columnas por un vector numérico:

 subset(dt, , !grepl(paste0("V", c(1:3,5),collapse="|"),colnames(dt) )) 

Opción usando dplyr

 require(dplyr) dt<-as.data.frame(matrix(runif(10*10),10,10)) dt <- select(dt, -V1, -V2, -V3, -V4) cor(dt) 

Para subconjunto por índice de columna (para evitar escribir sus nombres) puede hacer

 dt[, names(dt)[c(-1, -2, -3, -5)], with = FALSE] 

el resultado parece estar bien

  V4 V6 V7 V8 V9 V10 1: 0.51500037 0.919066234 0.49447244 0.19564261 0.51945102 0.7238604 2: 0.36477648 0.828889808 0.04564637 0.20265215 0.32255945 0.4483778 3: 0.10853112 0.601278633 0.58363636 0.47807015 0.58061000 0.2584015 4: 0.57569100 0.228642846 0.25734995 0.79528506 0.52067802 0.6644448 5: 0.07873759 0.840349039 0.77798153 0.48699653 0.98281006 0.4480908 6: 0.31347303 0.670762371 0.04591664 0.03428055 0.35916057 0.1297684 7: 0.45374290 0.957848949 0.99383496 0.43939774 0.33470618 0.9429592 8: 0.99403107 0.009750809 0.78816609 0.34713435 0.57937680 0.9227709 9: 0.62776909 0.400467655 0.49433474 0.81536420 0.01637135 0.4942351 10: 0.10318372 0.177712847 0.27678497 0.59554454 0.29532020 0.7117959 

Si no es obligatorio especificar nombres de columna:

 > cor(dt[, !c(1:3, 5)]) V4 V6 V7 V8 V9 V10 V4 1.00000000 -0.50472635 -0.07123705 0.9089868 -0.17232607 -0.77988709 V6 -0.50472635 1.00000000 0.05757776 -0.2374420 0.67334474 0.29476983 V7 -0.07123705 0.05757776 1.00000000 -0.1812176 -0.36093750 0.01102428 V8 0.90898683 -0.23744196 -0.18121755 1.0000000 0.21372140 -0.75798418 V9 -0.17232607 0.67334474 -0.36093750 0.2137214 1.00000000 -0.01179544 V10 -0.77988709 0.29476983 0.01102428 -0.7579842 -0.01179544 1.00000000