Comment supprimer une colonne par son nom dans data.table ?

Question

Pour se débarrasser d'une colonne nommée "foo" dans un fichier data.frame Je peux le faire :

df <- df[-grep('foo', colnames(df))]

Cependant, une fois que df est converti en un data.table il n'y a aucun moyen de supprimer une colonne.

Ejemplo:

df <- data.frame(id = 1:100, foo = rnorm(100))
df2 <- df[-grep('foo', colnames(df))] # works
df3 <- data.table(df)
df3[-grep('foo', colnames(df3))] 

Mais une fois qu'il est converti en un data.table cela ne fonctionne plus.

Answer 1

L'un des éléments suivants supprimera la colonne foo à partir du tableau de données df3 :

# Method 1 (and preferred as it takes 0.00s even on a 20GB data.table)
df3[,foo:=NULL]

df3[, c("foo","bar"):=NULL]  # remove two columns

myVar = "foo"
df3[, (myVar):=NULL]   # lookup myVar contents

# Method 2a -- A safe idiom for excluding (possibly multiple)
# columns matching a regex
df3[, grep("^foo$", colnames(df3)):=NULL]

# Method 2b -- An alternative to 2a, also "safe" in the sense described below
df3[, which(grepl("^foo$", colnames(df3))):=NULL]

table.de.données prend également en charge la syntaxe suivante :

## Method 3 (could then assign to df3, 
df3[, !"foo"]  

bien que si vous vouliez réellement supprimer la colonne "foo" de df3 (par opposition à la simple impression d'une vue de df3 colonne moins "foo" ), il est préférable d'utiliser la méthode 1.

(Notez que si vous utilisez une méthode s'appuyant sur grep() ou grepl() vous devez définir pattern="^foo$" plutôt que "foo" si vous ne voulez pas de colonnes portant des noms comme "fool" y "buffoon" (c'est-à-dire ceux qui contiennent foo comme une sous-chaîne) pour être également mis en correspondance et supprimé).

Options moins sûres, parfaites pour une utilisation interactive :

Les deux idiomes suivants fonctionneront également -- si df3 contient une colonne correspondant à "foo" -- mais échouera d'une manière probablement inattendue s'il ne le fait pas. Si, par exemple, vous utilisez l'un d'entre eux pour rechercher la colonne inexistante "bar" vous vous retrouverez avec un tableau data.table à zéro ligne.

Par conséquent, ils conviennent mieux à une utilisation interactive où l'on peut, par exemple, vouloir afficher un tableau de données sans les colonnes dont les noms contiennent la sous-chaîne "foo" . À des fins de programmation (ou si vous souhaitez réellement supprimer la ou les colonnes de l'application df3 plutôt qu'à partir d'une copie de celui-ci), les méthodes 1, 2a et 2b sont vraiment les meilleures options.

# Method 4:
df3[, .SD, .SDcols = !patterns("^foo$")]

---

Enfin, il existe des approches utilisant with=FALSE mais data.table s'éloigne progressivement de l'utilisation de cet argument. Il est donc déconseillé de l'utiliser lorsque vous pouvez l'éviter ; il est indiqué ici pour que vous sachiez que l'option existe au cas où vous en auriez vraiment besoin :

# Method 5a (like Method 3)
df3[, !"foo", with=FALSE] 
# Method 5b (like Method 4)
df3[, !grep("^foo$", names(df3)), with=FALSE]
# Method 5b (another like Method 4)
df3[, !grepl("^foo$", names(df3)), with=FALSE]

Answer 2

Vous pouvez également utiliser set pour cela, ce qui permet d'éviter les frais généraux de [.data.table en boucle :

dt <- data.table( a=letters, b=LETTERS, c=seq(26), d=letters, e=letters )
set( dt, j=c(1L,3L,5L), value=NULL )
> dt[1:5]
   b d
1: A a
2: B b
3: C c
4: D d
5: E e

Si vous voulez le faire par nom de colonne, which(colnames(dt) %in% c("a","c","e")) devrait fonctionner pour j .

Answer 3

Je le fais simplement à la manière d'un cadre de données :

DT$col = NULL

Fonctionne rapidement et, d'après ce que j'ai pu voir, ne pose aucun problème.

MISE À JOUR : ce n'est pas la meilleure méthode si votre DT est très grand, car l'utilisation de la fonction $<- conduira à la copie d'objets. Il est donc préférable de l'utiliser :

DT[, col:=NULL]

Answer 4

Voici une méthode pour définir un nombre de colonnes à NULL en fonction de leur nom. une fonction pour votre usage :)

deleteColsFromDataTable <- function (train, toDeleteColNames) {

       for (myNm in toDeleteColNames)

       train <- train [,(myNm):=NULL]

       return (train)
}

Answer 5

Pour une table data.table, l'attribution de la colonne à NULL la supprime :

DT[,c("col1", "col1", "col2", "col2")] <- NULL
^
|---- Notice the extra comma if DT is a data.table

... ce qui est l'équivalent de :

DT$col1 <- NULL
DT$col2 <- NULL
DT$col3 <- NULL
DT$col4 <- NULL

L'équivalent pour un data.frame est :

DF[c("col1", "col1", "col2", "col2")] <- NULL
      ^
      |---- Notice the missing comma if DF is a data.frame

Q. Pourquoi y a-t-il une virgule dans la version pour data.table, et aucune virgule dans la version pour data.frame ?

A. Comme les data.frames sont stockés sous forme de liste de colonnes, vous pouvez sauter la virgule. Vous pouvez également l'ajouter, mais vous devrez alors les affecter à une liste de colonnes. NULL s, DF[, c("col1", "col2", "col3")] <- list(NULL) .