Question

想象一下，我有一个data.table，例如：

library(data.table) 
RRR <-data.table(1:15,runif(15),rgeom(15,0.5),rbinom(15,2,0.5))

    V1      V2    V3  V4
 1:  1 0.33577273  0  0
 2:  2 0.66739739  2  1
 3:  3 0.07501655  0  0
 4:  4 0.43195663  2  1
 5:  5 0.39525841  3  2
 6:  6 0.15189738  1  1
 7:  7 0.02637279  0  1
 8:  8 0.44165623  0  1
 9:  9 0.98710570  2  0
10: 10 0.62402805  1  0
11: 11 0.84829465  3  2
12: 12 0.02170976  0  1
13: 13 0.74608925  0  2
14: 14 0.29102296  2  0
15: 15 0.83820646  1  1

如何从中获取data.table，所有ROWS在任何列都包含“0”？（或一些价值）
如果我不得不使用一个列，我可以使用：

RRR[V4==0,]

   V1    V2      V3  V4
1:  1 0.33577273  0  0
2:  3 0.07501655  0  0
3:  9 0.98710570  2  0
4: 10 0.62402805  1  0
5: 14 0.29102296  2  0

但是，如果我想同时使用所有列，因为我有很多？

这不能满足我的需要。

RRR[,sapply(RRR,function(xx)(xx==0)), with=TRUE]   

     V1      V2     V3    V4
[1,]  FALSE FALSE  TRUE  TRUE
[2,]  FALSE FALSE FALSE FALSE
[3,]  FALSE FALSE  TRUE  TRUE
[4,]  FALSE FALSE FALSE FALSE
[5,]  FALSE FALSE FALSE FALSE
[6,]  FALSE FALSE FALSE FALSE
[7,]  FALSE FALSE  TRUE FALSE
[8,]  FALSE FALSE  TRUE FALSE
[9,]  FALSE FALSE FALSE  TRUE
[10,] FALSE FALSE FALSE  TRUE
[11,] FALSE FALSE FALSE FALSE
[12,] FALSE FALSE  TRUE FALSE
[13,] FALSE FALSE  TRUE FALSE
[14,] FALSE FALSE FALSE  TRUE
[15,] FALSE FALSE FALSE FALSE

也许有一个for循环和一些复杂的粘贴？虽然，我更喜欢使用简单的data.table语法。

同样，你如何得到一个data.table，其中所有COLUMNS在任何一行都包含'0'？

我知道如何获得满足条件的列（作为一个整体），例如数字，

RRR[,sapply(RRR,function(xx)is.numeric(xx)),with=FALSE]

但如果我想以元素方式测试条件，则此方法不起作用。

如果有人感兴趣，这是一个更大的随机数据的system.time（）。使用你提供的不同解决方案到目前为止，稍作修改。

set.seed(1)
n <- 1000000
RRR <- data.table(matrix(rgeom(100*n,0.5), ncol=100))

Getting ROWS   
> RRR[RRR[,rowSums(RRR==0)>0]] 
   user  system elapsed 
   2.72    0.55    3.27 
> RRR[rowSums(RRR==0)>0] 
   user  system elapsed 
   2.58    0.70    3.28 
> RRR[apply(RRR,MAR=1,function(xx)any(xx==0))]
   user  system elapsed 
   10.81    0.19   11.00       
> RRR[apply(RRR[,paste0('V',1:ncol(RRR)),with=FALSE],function(xx)any(xx==0),MAR=1)]
  user  system elapsed 
  10.49    0.30   10.83 

Getting COLUMNS
> RRR[,sapply(RRR,function(xx)any(xx==0)), with=FALSE] 
   user  system elapsed 
   0.81    0.31    1.12 
> `[.listof`(RRR,colSums(RRR==0)>0) 
   user  system elapsed 
   2.14    0.27    2.41 
> RRR[,colSums(RRR==0)>0, with=FALSE] 
   user  system elapsed 
   2.26    0.48    2.75 
> RRR[, .SD, .SDcols=sapply(RRR, function(x) any(x==0))]      #only version 1.9.5, seems the same solution than the first one.
   user  system elapsed 
   0.78    0.36    1.14 
> RRR[, .SD, .SDcols=sapply(RRR, function(x) any(!as.logical(x)))]
   user  system elapsed 
   0.41    0.25    0.66 
> RRR[Reduce('|',lapply(RRR,function(xx)(xx==0)))]
   user  system elapsed 
   3.11    0.33    3.44 
> RRR[,apply(RRR[,paste0('V',1:ncol(RRR)),with=FALSE],function(xx)any(xx==0),MAR=2),with=FALSE]
   user  system elapsed 
   3.48    0.80    4.28

我还没有包括在内：

RRR[, i := any(unlist(lapply(.SD, function(x) x==0))), seq_len(nrow(RRR))][i==TRUE][,i:=NULL]

花了几分钟我停了下来，它“标记”行而不是提取它们，这是最复杂的解决方案。

我会等待更快或更简单的解决方案，并听取您的意见和喜好。

sapply应该慢一些，但事实并非如此。如果data.table包含其他类型的数据，结果可能会改变。

如果我们可以在每一行或每列中发生第一次发生时立即停止测试（== 0），我们就可以加快速度。但我想我们不能没有循环或一些低级访问或按位操作。

我想到了一种新方法。

sapply（RRR，function（xx）which which（xx == 0））
我需要将a）的结果与列表的并集结合起来，但我不知道如何对任意数量的列进行处理。
然后获得行RRR [“a）”]

如果零的数量很大，我想它会慢得多。

也许还可以试试RRR[unique(unlist(sapply(RRR,function(xx)which(xx==0))))] 但它太慢了。

相反的选项是RRR[(RRR==0)] <- NA; na.omit(RRR)

Answer 1

rowSums功能可以在这里使用：

RRR[rowSums(!RRR)>0]

工作原理： !RRR是一个TRUE为零的矩阵。在一般情况下，您可以将!RRR替换为您要检查的逻辑条件。例如，要查看是否有任何元素等于3，您可以使用rowSums的{{1}}。

我认为RRR==3与rowSums(test(x))>0基本相同;都将对象强制转换为矩阵。我发现apply(RRR,1,function(x)any(!test(x)))版本更容易阅读，并认为我听到人们称赞它的效率。

对于列，类似地：

rowSums

Answer 2

也许这就是。

library(data.table) 
RRR <-data.table(1:15,runif(15),rgeom(15,0.5),rbinom(15,2,0.5))
RRR[, i := any(unlist(lapply(.SD, function(x) x==0))), seq_len(nrow(RRR))
    ][i==TRUE
      ][,i:=NULL]

扩展第二部分问题的答案。

 RRR[, .SD, .SDcols=sapply(RRR, function(x) any(x==0))]
 # you may add this one also to timing, I wonder how it will work
 RRR[, .SD, .SDcols=sapply(RRR, function(x) any(!as.logical(x)))]

.SDcols最近引入了逻辑向量，因此请务必先更新data.table。

使用data.table R？

2 个答案: