r - 使用 data.table R 选择行或列？

Question

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，其中所有行的任何列都包含“0”？ (或某些值)

如果我必须用单列来做，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

但是如果我想一次处理所有列，因为我有很多列怎么办？

这不符合我的需要。

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，您将如何获得一个 data.table，其中所有 COLUMNS 的任何行都包含 '0'？

我知道如何获得满足条件的列(作为一个整体)，例如数字，

RRR[,sapply(RRR,function(xx)is.numeric(xx)),with=FALSE]

但是如果我想逐项测试条件，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，并稍作修改。

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”了行而不是提取它们，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发生时立即停止测试 (==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。

我想到了一个新方法。

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))))]但它太慢了。

获得相反结果的选项是 RRR[(RRR==0)] <- NA; na.omit(RRR)

Answer 1

rowSums函数可以在这里使用:

RRR[rowSums(!RRR)>0]

工作原理: !RRR是一个矩阵 TRUE在任何零。一般情况下，可以替换 !RRR使用您要检查的任何逻辑条件。例如，查看是否有任何元素等于 3 , 你可以拿 rowSums的 RRR==3 .

我想 rowSums(test(x))>0与 apply(RRR,1,function(x)any(!test(x))) 基本相同;两者都将对象强制转换为矩阵。我找到了 rowSums版本更容易阅读，我认为我听说过人们称赞它的效率。

对于列，类似:

RRR[, colSums(!RRR)>0, with=FALSE]