Como você exclui uma coluna pelo nome em data.table?

Para se livrar de uma coluna chamada "foo" em a data.frame, eu posso fazer:

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

No entanto, uma vez dfconvertido em um data.tableobjeto, não há como remover apenas uma coluna.

Exemplo:

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))] 

Mas uma vez convertido em um data.tableobjeto, isso não funciona mais.

Qualquer uma das seguintes fooopções removerá a coluna da data.table 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]

data.table também suporta a seguinte sintaxe:

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

no entanto, se você realmente deseja remover a coluna "foo"de df3(em vez de apenas imprimir uma exibição da df3coluna de menos "foo"), realmente deseja usar o Método 1.

(Observe que, se você usar um método baseado em grep()ou grepl(), precisará definir, em pattern="^foo$"vez de "foo", se não desejar que colunas com nomes como "fool"e "buffoon"(ou seja, aquelas que contenham foocomo substring) sejam correspondidas e removidas.)

Opções menos seguras, ótimas para uso interativo:

Os próximos dois idiomas também funcionarão - se df3contiverem uma correspondência de coluna"foo" - mas falharão de uma maneira provavelmente inesperada se não existirem. Se, por exemplo, você usar algum deles para procurar a coluna inexistente "bar", você terminará com uma tabela de dados com linha zero.

Como conseqüência, eles são realmente mais adequados para uso interativo, onde se pode, por exemplo, querer exibir uma tabela de dados menos quaisquer colunas com nomes contendo a substring "foo". Para fins de programação (ou se você realmente deseja remover as colunas df3de uma cópia), os Métodos 1, 2a e 2b são realmente as melhores opções.

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

Por fim, existem abordagens usando with=FALSE, embora data.tableesteja gradualmente se afastando do uso desse argumento, por isso agora é desencorajado onde você pode evitá-lo; mostrando aqui para que você saiba que a opção existe, caso você realmente precise:

# 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]

Você também pode usar setisso, o que evita a sobrecarga de [.data.tableloops:

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

Se você deseja fazê-lo pelo nome da coluna, which(colnames(dt) %in% c("a","c","e"))deve trabalhar para j.

Simplesmente faço isso no quadro de dados:

DT$col = NULL

Funciona rápido e, tanto quanto pude ver, não causa problemas.

UPDATE: não é o melhor método se a sua TD for muito grande, pois o uso do $<-operador levará à cópia de objetos. Então, use melhor:

DT[, col:=NULL]

Opção muito simples, caso você tenha muitas colunas individuais para excluir em uma tabela de dados e evite digitar todos os nomes de coluna #careadviced

dt <- dt[, -c(1,4,6,17,83,104)]

Isso removerá as colunas com base no número da coluna.

Obviamente, não é tão eficiente porque ignora as vantagens da data.table, mas se você estiver trabalhando com menos do que 500.000 linhas, ele funciona bem

Suponha que seu dt tem colunas col1, col2, col3, col4, col5, coln.

Para excluir um subconjunto deles:

vx <- as.character(bquote(c(col1, col2, col3, coln)))[-1]
DT[, paste0(vx):=NULL]

Aqui está uma maneira de definir um número de colunas como NULL, considerando os nomes de suas colunas uma função para seu uso :)

deleteColsFromDataTable <- function (train, toDeleteColNames) {

       for (myNm in toDeleteColNames)

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

       return (train)
}

DT[,c:=NULL] # remove column c

Para uma tabela de dados, atribuir a coluna a NULL a remove:

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

... que é o equivalente a:

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

O equivalente para um data.frame é:

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

P. por que há uma vírgula na versão para data.table e nenhuma vírgula na versão para data.frame?

A. Como data.frames são armazenados como uma lista de colunas, você pode pular a vírgula. Você também pode adicioná-lo, mas precisará atribuí-los a uma lista de NULLs DF[, c("col1", "col2", "col3")] <- list(NULL),.