我想在R中使用R中的子命令等效于我正在编写的一些Python代码。
这是我的数据:
col1 col2 col3 col4 col5
100002 2006 1.1 0.01 6352
100002 2006 1.2 0.84 304518
100002 2006 2 1.52 148219
100002 2007 1.1 0.01 6292
10002 2006 1.1 0.01 5968
10002 2006 1.2 0.25 104318
10002 2007 1.1 0.01 6800
10002 2007 4 2.03 25446
10002 2008 1.1 0.01 6408
我想根据col1
和col2
的内容对数据进行子集化。 (col1中的唯一值为100002和10002,col2中的唯一值为2006,2007和2008.)
这可以使用subset命令在R中完成,Python中有类似内容吗?
答案 0 :(得分:20)
虽然基于迭代器的答案非常好,但是如果你正在使用numpy数组(正如你提到的那样),有更好更快的选择方法:
import numpy as np
data = np.array([
[100002, 2006, 1.1, 0.01, 6352],
[100002, 2006, 1.2, 0.84, 304518],
[100002, 2006, 2, 1.52, 148219],
[100002, 2007, 1.1, 0.01, 6292],
[10002, 2006, 1.1, 0.01, 5968],
[10002, 2006, 1.2, 0.25, 104318],
[10002, 2007, 1.1, 0.01, 6800],
[10002, 2007, 4, 2.03, 25446],
[10002, 2008, 1.1, 0.01, 6408] ])
subset1 = data[data[:,0] == 100002]
subset2 = data[data[:,0] == 10002]
这会产生
SUBSET1:
array([[ 1.00002e+05, 2.006e+03, 1.10e+00, 1.00e-02, 6.352e+03],
[ 1.00002e+05, 2.006e+03, 1.20e+00, 8.40e-01, 3.04518e+05],
[ 1.00002e+05, 2.006e+03, 2.00e+00, 1.52e+00, 1.48219e+05],
[ 1.00002e+05, 2.007e+03, 1.10e+00, 1.00e-02, 6.292e+03]])
SUBSET2:
array([[ 1.0002e+04, 2.006e+03, 1.10e+00, 1.00e-02, 5.968e+03],
[ 1.0002e+04, 2.006e+03, 1.20e+00, 2.50e-01, 1.04318e+05],
[ 1.0002e+04, 2.007e+03, 1.10e+00, 1.00e-02, 6.800e+03],
[ 1.0002e+04, 2.007e+03, 4.00e+00, 2.03e+00, 2.5446e+04],
[ 1.0002e+04, 2.008e+03, 1.10e+00, 1.00e-02, 6.408e+03]])
如果您事先不知道第一列中的唯一值,则可以使用numpy.unique1d
或内置函数set
来查找它们。
编辑:我刚刚意识到您想要选择具有两列唯一组合的数据......在这种情况下,您可能会执行以下操作:
col1 = data[:,0]
col2 = data[:,1]
subsets = {}
for val1, val2 in itertools.product(np.unique(col1), np.unique(col2)):
subset = data[(col1 == val1) & (col2 == val2)]
if np.any(subset):
subsets[(val1, val2)] = subset
(我将子集存储为dict,其中键是组合的元组......当然还有其他(并且更好,取决于你正在做什么)的方法!)
答案 1 :(得分:5)
subset()
与Python中的filter()
非常类似。作为参考说明,这将由列表推导隐式使用,因此编写代码的最简洁明了的方法可能是
[ item for item in items if item.col2 == 2006 ]
例如,如果您的数据行位于名为items
的迭代中。
答案 2 :(得分:2)
由于我不熟悉R以及此子集命令如何根据您的描述工作,我建议您查看itertool的groupby功能。如果给定一个输出值的函数,则可以根据该函数的输出形成组。取自groupby:
groups = []
uniquekeys = []
data = sorted(data, key=keyfunc)
for k, g in groupby(data, keyfunc):
groups.append(list(g)) # Store group iterator as a list
uniquekeys.append(k)
然后你就得到了你的子集。但是,请务必小心,因为返回的值不是完整的列表。他们是迭代者。
我假设您的值是逐行返回的。