Question

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？

Answer 1

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！）

Answer 2

R中的

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。

Answer 3

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。

在Python中子集数据

3 个答案: