資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學如何在R中根據向量中儲存的列名來排除列並篩選資料框？
資料框的篩選可以透過多種方式實現，其中一種方法是選擇儲存在向量中的列。假設我們有一個包含x、y和z列的資料框df，並且列名y和z儲存在一個名為V的向量中，那麼我們可以透過`select(df,-all_of(V))`來排除V中列名篩選df。
示例
考慮以下資料框
> x1<-rpois(20,5) > x2<-rpois(20,2) > x3<-rpois(20,3) > x4<-rpois(20,5) > df1<-data.frame(x1,x2,x3,x4) > df1
輸出
x1 x2 x3 x4 1 3 4 0 5 2 4 1 2 6 3 4 1 2 3 4 8 1 7 6 5 4 2 3 8 6 4 4 1 0 7 4 1 1 2 8 7 2 4 4 9 4 3 6 5 10 4 3 5 7 11 3 2 3 5 12 4 2 3 5 13 3 1 2 5 14 4 2 5 7 15 4 3 7 2 16 2 1 3 6 17 5 1 8 3 18 4 0 4 6 19 5 2 4 9 20 9 0 4 7
包含列x1和x4的向量
示例
> v1<-c("x1","x4")排除x1和x4篩選df1
> select(df1,-all_of(v1))
輸出
x2 x3 1 4 0 2 1 2 3 1 2 4 1 7 5 2 3 6 4 1 7 1 1 8 2 4 9 3 6 10 3 5 11 2 3 12 2 3 13 1 2 14 2 5 15 3 7 16 1 3 17 1 8 18 0 4 19 2 4 20 0 4
讓我們來看另一個例子
示例
> y1<-rnorm(20,1,0.098) > y2<-rnorm(20,100,10) > y3<-rnorm(20,5,0.97) > y4<-rnorm(20,5275,30.5) > df2<-data.frame(y1,y2,y3,y4) > df2
輸出
y1 y2 y3 y4 1 1.0004066 95.44217 4.436526 5302.802 2 0.8704272 103.72030 4.459705 5279.560 3 1.0010894 96.78478 4.979246 5250.222 4 1.0856458 100.94359 5.480827 5261.604 5 0.9609981 98.62898 4.427267 5230.762 6 0.9497958 90.31327 4.332123 5204.725 7 0.9598390 95.87049 4.557982 5273.675 8 0.7686893 95.67384 5.747136 5232.587 9 0.8447364 97.65526 5.012912 5282.668 10 1.1740212 105.39359 4.088489 5300.367 11 0.9476001 115.77728 5.490385 5315.523 12 0.9824041 89.73841 4.703173 5256.286 13 0.9139366 112.73522 5.676117 5279.863 14 1.0712399 83.89056 4.510641 5275.326 15 1.1097967 91.60747 4.391030 5269.570 16 1.0449168 90.27042 3.793536 5210.164 17 0.8880382 74.78750 5.876453 5284.542 18 0.9304634 112.05254 5.410632 5330.084 19 1.1660059 108.03871 5.982188 5303.685 20 0.7662319 104.80364 5.518754 5283.069
示例
> v2<-c("y2","y3")排除y2和y3篩選df2
示例
> select(df2,-all_of(v2))
輸出
y1 y4 1 1.0004066 5302.802 2 0.8704272 5279.560 3 1.0010894 5250.222 4 1.0856458 5261.604 5 0.9609981 5230.762 6 0.9497958 5204.725 7 0.9598390 5273.675 8 0.7686893 5232.587 9 0.8447364 5282.668 10 1.1740212 5300.367 11 0.9476001 5315.523 12 0.9824041 5256.286 13 0.9139366 5279.863 14 1.0712399 5275.326 15 1.1097967 5269.570 16 1.0449168 5210.164 17 0.8880382 5284.542 18 0.9304634 5330.084 19 1.1660059 5303.685 20 0.7662319 5283.069
更新於：2020年11月23日
581 次瀏覽
廣告