падение ряда R data.table

У меня есть data.table:падение ряда R data.table

> dat 
    Mutant  F1  F2  F3  F4  F5  F6  F7 
    1: A115D 6.53193 7.19020 8.45634 8.49147 9.28304 16.83618 10.70517 
    2: A115F 0.90377 4.33477 5.71287 6.63125 5.86933 9.41705 14.59203 
    3: A115G 3.26668 4.46146 5.42433 7.80924 8.52429 10.92138 11.27432 
    4: A115H 2.91278 5.09545 6.01828 8.18154 8.11368 11.98551 11.33009 
    5: A115I 9.35627 9.29640 9.78475 10.76222 12.80510 16.13456 16.51090 
---                  
313: Y80R -1.19326 -2.05579 -1.16474 1.74387 4.79593 5.59487 11.35956 
314: Y80S -0.77282 -1.51611 -0.07168 3.16070 3.16795 7.73116 11.60527 
315: Y80T -0.16135 -0.05859 2.02493 3.28120 6.10268 11.71562 12.45665 
316: Y80V -0.24050 -0.59869 0.36746 3.07046 3.75905 9.17579 11.83179 
317: Y80W 0.77770 -0.10166 2.27790 6.11470 6.01080 9.47050 13.95344

Я хотел бы, чтобы удалить все строки, где значение любого из столбцов F1 - F7 больше 10.

Чтение виньетки, я добрался до

> dat[, .SD > 10, .SDcols=2:7]

Althoug я не уверен, если я делаю Внушительную вещь здесь. Во всяком случае, это дает что-то вроде:

> dat[, .SD>10, .SDcols=2:7] 
     F1 F2 F3 F4 F5 F6 F7 
[1,] FALSE FALSE FALSE FALSE FALSE TRUE TRUE 
[2,] FALSE FALSE FALSE FALSE FALSE FALSE TRUE 
[3,] FALSE FALSE FALSE FALSE FALSE TRUE TRUE 
[4,] FALSE FALSE FALSE FALSE FALSE TRUE TRUE 
[5,] FALSE FALSE FALSE TRUE TRUE TRUE TRUE 
[6,] FALSE FALSE FALSE FALSE TRUE TRUE TRUE

Так что теперь, я хотел бы, чтобы отфильтровать все строки, в которых любая запись TRUE.

источник

2016-01-02 TMOTTM

Вы, вероятно, хотите матрицу, а не data.table, если это такая вещь, что вы делаете с этими данными. – Frank

С вашей последней точки, попробуйте 'dat [rowSums (dat [, .SD> 10, .SDcols = 2: 7]) == 0]'. Или, для более идиоматического 'data.table', попробуйте' dat [! (Reduce ("|", dat [, lapply (.SD, function (x) x> 10), SDcols = 2: 7])) ] '. – nicola

Значит, в ваших данных выборки не было бы сохраненных строк, пустой таблицы данных? –

Вы можете использовать команду, которая

dat[-which(rowSums(dat[,2:8]>10)>0),]

или TTMOTT указал,

dat[-(rowSums(dat[,2:8]>10)>0),]

немного быстрее Дат [-Какие (макс (DAT [2: 8]) > 10),]

Это в основном вычисляет строки, для которых Eсть истинного

Надеется, что я не сделал ошибку моего игрушечный примера было:

lines ="Mutant,F1,F2,F3,F4,F5,F6,F7 
A115D,6.53193,7.19020,8.45634,8.49147,9.28304,16.83618,10.70517 
A115F,0.90377,4.33477,5.71287,6.63125,5.86933,9.41705,14.59203 
A115G,3.26668,4.46146,5.42433,7.80924,8.52429,10.92138,11.27432 
A115H,2.91278,5.09545,6.01828,8.18154,8.11368,11.98551,11.33009 
A115I,9.35627,9.29640,9.78475,10.76222,12.80510,16.13456,16.51090" 

con <- textConnection(lines) 
dat <- read.csv(con) 
dat 

dat[rowSums(dat[,2:7]>10)>0,]

источник

2016-01-02 21:58:04 CAFEBABE

Также после прочтения data.table vignette, я не понимаю, как работает '.SD> 10'. Проверяет ли он каждый элемент всех столбцов (минус '.SDcols') на'> 10'? – TMOTTM

Да, это идея. Он применяет .SD> 10 для каждого столбца, который вы указали как SDcols. Это может ускорить работу. Я думаю, вы могли бы сделать то же самое, что я указал с помощью dat [which (rowSums (dat [, 2: 7])> 0),] – CAFEBABE

В вашем оригинальном заявлении возникли некоторые проблемы, которые использовались очень простым заявлением из моего последнего комментария – CAFEBABE

Мы можем попробовать

i1 <- setDT(dat)[, Reduce(`+`,lapply(.SD, ">", 10)), .SDcols=2:7] 
i1 
#[1] 1 0 1 1 3 0 0 1 0 0 
dat[i1==0]

ПРИМЕЧАНИЕ: Просто заметил, что @nicola опубликовал подобный подход в комментариях. Перед редактированием я увидел только его оригинальный комментарий.

Или используйте

dat[-dat[ , .I[max(unlist(.SD))>10] ,by = 1:nrow(dat) , .SDcols= 2:7]$V1] 
# Mutant  F1  F2  F3  F4  F5  F6  F7 
#1: A115F 0.90377 4.33477 5.71287 6.63125 5.86933 9.41705 14.59203 
#2: Y80R -1.19326 -2.05579 -1.16474 1.74387 4.79593 5.59487 11.35956 
#3: Y80S -0.77282 -1.51611 -0.07168 3.16070 3.16795 7.73116 11.60527 
#4: Y80V -0.24050 -0.59869 0.36746 3.07046 3.75905 9.17579 11.83179 
#5: Y80W 0.77770 -0.10166 2.27790 6.11470 6.01080 9.47050 13.95344

источник

2016-01-02 21:47:56 akrun

Как насчет просто?

dat[-which(dat$F1>10 | dat$F2>10 | dat$F3>10 | dat$F4>10 | dat$F5>10 | dat$F6>10 | dat$F7>10)]

эталоны для 4 предложенных решений

dat <- data.frame("xxxxx", F1=runif(10000, 1,20), 
        F2=runif(10000, 1,20), 
        F3=runif(10000, 1,20), 
        F4=runif(10000, 1,20), 
        F5=runif(10000, 1,20), 
        F6=runif(10000, 1,20), 
        F7=runif(10000, 1,20)) 

benchmark(replications = 100, dat[-which(dat$F1>10 | dat$F2>10 | dat$F3>10 | 
             dat$F4>10 | dat$F5>10 | dat$F6> 10 | 
             dat$F7>10),],columns = c('elapsed')) 
    elapsed 
1 0.26 

    benchmark(replications = 100, dat[(rowSums(dat[,2:8]>10)==0),],columns = c('elapsed')) 

    elapsed 
1 0.17 

dat <- as.data.table(dat) 

benchmark(replications = 100, dat[!(Reduce("|",dat[,lapply(.SD,function(x) x>10),.SDcols=2:8]))], 
      columns = c('elapsed')) 

    elapsed 
1 0.32 

benchmark(replications = 100, dat[-dat[ , .I[max(unlist(.SD))>10] ,by = 1:nrow(dat) , .SDcols= 2:8]$V1], 
      columns = c('elapsed')) 
    elapsed 
1 6.05

источник

2016-01-02 22:46:59 andrnev

performance;) Насколько я знаю. Ваш оператор сканирует фрейм данных для каждого столбца. Надеюсь, кто-то поправит меня, если я ошибаюсь. Версия, которую я написал, делает почти то же самое. Тем не менее, для всех строк только одни – CAFEBABE

Это не так удобно с большими наборами данных. – TMOTTM

Проводка некоторых тестов на основе 10000 случайных чисел для двух решений, предлагаемых в моем редактировании. – andrnev

падение ряда R data.table

ответ

Смежные вопросы