【发布时间】：2015-04-23 00:48:54
【问题描述】：
假设我有一个 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，其中所有 ROWS 的任何列都包含“0”？ （或一些价值）
如果我必须用一个列来做，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
但是如果我想同时处理所有列，因为我有很多列怎么办？
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？ 不过，我更喜欢使用简单的 data.table 语法。
同样，您如何获得一个 data.table，其中所有列的任何行都包含“0”？
我知道如何获取满足条件的列（作为一个整体），例如数字，
RRR[,sapply(RRR,function(xx)is.numeric(xx)),with=FALSE]
但如果我想逐元素测试条件，则此方法不起作用。
如果有人感兴趣，这是一个更大的随机 data.table 的 system.time()，其中包含您迄今为止提供的不同解决方案，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：
RRR[, i := any(unlist(lapply(.SD, function(x) x==0))), seq_len(nrow(RRR))][i==TRUE][,i:=NULL]
花了几分钟，我停止了它，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 应该更慢，但事实并非如此。 如果 data.table 包含其他类型的数据，结果可能会发生变化。
如果我们可以在每行或每列中第一次出现时立即停止测试（==0），我们可以加快速度。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(xx==0))
- 我需要将 a) 的结果与列表的并集相结合，但我不知道如何对任意数量的列执行此操作。
- 然后得到那些行 RRR["a)"]
如果零的数量很大，我想它会慢得多。
也许也可以试试RRR[unique(unlist(sapply(RRR,function(xx)which(xx==0))))]
但是太慢了。
相反的选择是RRR[(RRR==0)] <- NA; na.omit(RRR)
【问题讨论】：
-
更新时间
-
很高兴看到时间安排，我已经添加了另一个，不确定但也许
as.logical会比==快。 -
是的，你是对的：出于某种原因，我的
Reduce方法确实会产生不同的结果。顺便说一句，检查这一点的一种方法（对于“获取 ROWS”操作）是只比较选定的行：myrows1 <- RRR[RRR[,rowSums(RRR==0)>0],.I]、myrows2 <- RRR[rowSums(RRR==0)>0,.I]等等。您可以使用identical和setdiff函数对它们进行比较。 （在比较时间之后使用identical进行验证似乎是相当标准的。） -
关于你的最后一段，我认为（@BrodieG）说过
apply的行选择比rowSums慢（不是sapply与列选择相关）。那里的测试将是system.time(RRR[apply(RRR,1,function(x)any(!x))])。我发现这需要system.time(RRR[rowSums(!RRR)>0] )的 6 倍，所以他是对的。 -
弗兰克，我必须修正你的 Reduce 方法。 RRR[Reduce(
|,lapply(RRR,!))] 或者通用方式：RRR[Reduce('|',lapply(RRR,function(xx)(xx==0)))]跨度>
标签： r select row data.table