假设,你有一个这样的data.frame:
x <- data.frame(v1=1:20,v2=1:20,v3=1:20,v4=letters[1:20])
如何只选择x中的数字列呢?
假设,你有一个这样的data.frame:
x <- data.frame(v1=1:20,v2=1:20,v3=1:20,v4=letters[1:20])
如何只选择x中的数字列呢?
当前回答
另一种方法可能如下:-
#extracting numeric columns from iris datset
(iris[sapply(iris, is.numeric)])
其他回答
dplyr包的select_if()函数是一个优雅的解决方案:
library("dplyr")
select_if(x, is.numeric)
如果你只对列名感兴趣,那么使用这个:
names(dplyr::select_if(train,is.numeric))
来自基本包的Filter()是该用例的完美函数: 你只需要编写代码:
Filter(is.numeric, x)
它也比select_if()快得多:
library(microbenchmark)
microbenchmark(
dplyr::select_if(mtcars, is.numeric),
Filter(is.numeric, mtcars)
)
Filter返回(在我的计算机上)中值为60微秒,select_if返回21 000微秒(快350倍)。
PCAmixdata库有一个splitmix函数,它可以对给定的数据框架“YourDataframe”进行定量(数值数据)和定性(分类数据)的拆分,如下所示:
install.packages("PCAmixdata")
library(PCAmixdata)
split <- splitmix(YourDataframe)
X1 <- split$X.quanti(Gives numerical columns in the dataset)
X2 <- split$X.quali (Gives categorical columns in the dataset)
这并不能直接回答问题,但非常有用,特别是当你想要除id列和因变量外的所有数字列时。
numeric_cols <- sapply(dataframe, is.numeric) %>% which %>%
names %>% setdiff(., c("id_variable", "dep_var"))
dataframe %<>% dplyr::mutate_at(numeric_cols, function(x) your_function(x))