20

私はコミュニティ データを含むデータ セットに取り組んでおり、多くの列 (種) にはゼロがたくさんあります。列全体の合計に基づいて、行っている分析の一部でこれらの列を削除できるようにしたいと考えています。for ループでこれを実行したくなりますが、R を使用している場合は apply 関数と by 関数の方が優れていると聞きました。私の目標は、合計が 15 未満のすべての列を削除することです。以前which()は削除していました要因ごとの行、たとえば、

September<-which(data$Time_point=="September")

data<-data[-September,]

列を削除しようとした2つの方法は、次を使用することapply()です。

data<-data[,apply(data,2,function(x)sum(x<=15))]

乱雑な for ループ/if else コンボを使用して:

for (i in 6:length(data)){
    if (sum(data[,i])<=15)
    data[,i]<-NULL
    else 
    data[,i]<-data[,i]
    }

これらの方法はどちらも機能していません。論理的な基準に基づいて列を削除するエレガントな方法はありますか?

str(head(data,10))
'data.frame':   10 obs. of  23 variables:
 $ Core_num    : Factor w/ 159 levels "152","153","154",..: 133 72 70 75 89 85 86 90 95 99
 $ Cage_num    : num  0 1 2 3 4 5 6 7 8 9
 $ Treatment   : Factor w/ 4 levels "","C","CC","NC": 1 2 2 2 2 2 2 2 2 2
 $ Site        : Factor w/ 10 levels "","B","B07","B08",..: 1 8 8 8 7 7 7 7 9 9
 $ Time_point  : Factor w/ 3 levels "","May","September": 1 2 2 2 2 2 2 2 2 2
 $ Spionidae   : num  108 0 0 0 0 0 0 0 0 0
 $ Syllidae    : num  185 0 0 0 3 8 0 1 4 1
 $ Opheliidae  : num  424 0 1 0 0 0 1 1 0 0
 $ Cossuridae  : num  164 0 7 3 0 0 0 0 0 0
 $ Sternaspidae: num  214 0 0 6 1 0 11 9 0 0
 $ Sabellidae  : num  1154 0 2 2 0 ...
 $ Capitellidae: num  256 1 10 17 0 3 0 0 0 0
 $ Dorvillidae : num  21 1 0 0 0 0 0 0 0 0
 $ Cirratulidae: num  17 0 0 0 0 0 0 0 0 0
 $ Oligochaeta : num  3747 12 41 27 32 ...
 $ Nematoda    : num  410 5 4 13 0 0 0 2 2 0
 $ Sipuncula   : num  33 0 0 0 0 0 0 0 0 0
 $ Ostracoda   : num  335 0 1 0 0 0 0 0 0 0
 $ Decapoda    : num  62 0 4 0 1 0 0 0 0 0
 $ Amphipoda   : num  2789 75 17 34 89 ...
 $ Copepoda    : num  75 0 0 0 0 0 0 0 0 0
 $ Tanaidacea  : num  84 0 0 0 1 0 0 0 0 0
 $ Mollusca    : int  55 0 4 0 0 0 0 0 0 0
4

4 に答える 4

23

単純なサブセットはどうですか？まず、単純なデータ フレームを作成しますL

R> dd = data.frame(x = runif(5), y = 20*runif(5), z=20*runif(5))

次に、合計が 15 より大きい列を選択します

R> dd1 = dd[,colSums(dd) > 15]
R> ncol(dd1)
[1] 2

データセットでは、列 6 以降のみをサブセット化する必要があるため、次のようになります。

 ##Drop the first five columns
 dd[,colSums(dd[,6:ncol(dd)]) > 15]

また

 #Keep the first six columns
 cols_to_drop = c(rep(TRUE, 5), dd[,6:ncol(dd)]>15)
 dd[,cols_to_drop]

動作するはずです。

注意すべき重要な部分は、角括弧内に論理値のベクトル、つまり TRUE と FALSE のベクトルが必要であるということです。したがって、もう少し複雑なものを使用してサブセット化する場合は、TRUE または FALSE を返す関数を作成し、通常どおりサブセット化します。

于 2012-05-15T20:18:53.563 に答える
3

これにより、因子や文字列を含むすべてゼロを含まない列が返されます (データの最初の行の分厚いもののみを読み取ります)。

データの一部を読み取ります。

dat <- read.table(text="  Core_num Cage_num Treatment Site Time_point Spionidae Nereididae Syllidae Opheliidae
6        24        1         C   M2        May         0          0        0          0
4        22        2         C   M2        May         0          0        0          1
9        27        3         C   M2        May         0          0        0          0
23       41        4         C    M        May         0          0        3          0
19       37        5         C    M        May         0          0        8          0
20       38        6         C    M        May         0          0        0          1",  header=T)

コード：

summer <- function(x){
    if(is.numeric(x)){
        sum(x) > 15
    } else {
        TRUE
    }
}

dat[, sapply(dat,  summer)]
于 2012-05-15T20:25:47.373 に答える
3

ブール値 and を使用して data.frame に直接インデックスを付けることができるはずですcolSums()。例えば：

set.seed(123)
dat <- data.frame(var1 = runif(10), var2 = rnorm(10), var3 = rlnorm(10))
colSums(dat)
#-----
     var1      var2      var3 
 5.782475  1.317914 12.91987
#Let's set the threshold at 5, so we should get var1 and var3
> dat[, colSums(dat) > 5]
#-----
        var1      var3
1  0.2875775 5.9709924
2  0.7883051 1.6451811
3  0.4089769 0.1399294
...

編集 - 数値以外の列に対処する

set.seed(123)
dat <- data.frame(var1 = runif(10), var2 = rnorm(10), var3 = rlnorm(10), var4 = "notNumeric")

require(plyr)
dat[, -which(numcolwise(sum)(dat) < 5)]

Consolec:/documents and settings/charles/desktop/

> dat[, -which(numcolwise(sum)(dat) < 5)]
        var1      var3       var4
1  0.2875775 5.9709924 notNumeric
2  0.7883051 1.6451811 notNumeric
3  0.4089769 0.1399294 notNumeric
.....
于 2012-05-15T20:19:02.370 に答える