使用字符串在dplyr（或base R）中选择每行的列

Question

我有一列填满了其他列的名称。我想获取每个列名中的值。

# three columns with values and one "key" column
library(dplyr)
data = data.frame(
  x = runif(10),
  y = runif(10),
  z = runif(10),
  key = sample(c('x', 'y', 'z'), 10, replace=TRUE)
)

# now get the value named in 'key'
data = data %>% mutate(value = VALUE_AT_COLUMN(key))

我相信答案与惰性求值版本的mutate有关，但是我却无法理解。

任何帮助都将不胜感激。

- sharoz

---

你也可以尝试使用 data[c("x", "y", "z")][cbind(seq_len(nrow(data)), match(data$key, names(data)))] 来避免对每一行进行分组（代价可能更低，但需要进行中间转换为“矩阵”）。 - alexis_laz

@alexis_laz 我更倾向于一种更可扩展的方法，不需要列出每一列。 - sharoz

根据列的排序方式，有很多编程方法可以提取所需的列；例如 data[1:3]、data[unique(data$key)]、data[!names(data) %in% "key"] 等。 - alexis_laz

那么，我现在有点困惑。你不再需要一个dplyr的解决方案了吗？ - akrun

一个dplyr的解决方案会很理想，但我通常尽量避免需要另一个数据框架库。所以基本的R也可以。如果这样说让你感到困惑，我很抱歉。 - sharoz

Answer 1

我们可以尝试使用 data.table。将 'data.frame' 转换为 'data.table' (setDT(data))，按行序分组，使用.SD来选择由 'key' 指定的列。

 library(data.table)
 setDT(data)[,  .SD[, key[[1L]], with=FALSE] ,1:nrow(data)]

另一个选项是，在按行序列分组后，将“key”转换为字符类（因为它是factor），然后使用get。

 setDT(data)[, get(as.character(key)), 1:nrow(data)]

---

这里有一种使用 do 的选项

 library(dplyr)
 data %>% 
    group_by(rn = row_number()) %>%
    do(data.frame(., value= .[[.$key]]))

- akrun

---

我可以使用其他库来完成这个任务，但我想避免需要导入另一个数据框架库。 - sharoz

@sharoz 使用 dplyr 中的 do 是可以实现的。 - akrun

你能把那个发表为一个答案吗？ - sharoz

@sharoz发布了do选项。 - akrun

Answer 2

以下是基于 R 语言的解决方案：

data$value = diag(as.matrix(data[,data$key]))

- Sam Dickson

---

有趣，不过我猜这并不是内存高效的。 - alexis_laz

不行！可能有更节省内存的基本方法，但如果你追求性能，那么你应该考虑使用data.table或dplyr。如果你不想加载更多的包并且你的数据不是非常庞大，那么这个方法也可以。 - Sam Dickson

Answer 3

为了实现内存高效和快速处理，您应该通过以下方式使用join来更新原始data.table：

data[.(key2 = unique(key)), val := get(key2), on=c(key="key2"), by=.EACHI][]

对于每个key2，计算data $ key中匹配行。这些行将使用包含在key2中的列的值进行更新。例如，key2 =“x”与行1,2,6,8,10相匹配。 data $ x [c（1,2,6,8,10）]是相应的值。by = .EACHI 确保对key2的每个值执行表达式get（key2）。

由于此操作仅针对唯一值进行，因此应该比逐行运行快得多。而且，由于数据表是通过引用更新的，因此它应该非常高效（这也有助于提高速度）。

- Arun

Answer 4

我感觉应该有一个基于R的解决方案，但我最好的办法是使用tidyr，先将数据转换为宽格式，然后筛选出符合所需键的观测值。

data %>%
  add_rownames("index") %>%
  gather(var, value, -index, -key) %>%
  filter(key == var)

一个几乎可行的基于R语言的解决方案：

---

data[cbind(seq_along(data$key), data$key)]

对于给定的数据，它可以工作，但因为它使用矩阵，所以存在两个严重的问题。其一是因为它只是强制性地进行了拆分，并通过因子水平而不是列名选择列，所以因子的顺序很重要。另一个问题是生成的输出为字符型而非数字型，因为在转换为矩阵时，由于关键列，会选择字符型。关键问题在于没有与矩阵行为类似的data.frame模拟。

当通过“[”索引数组时，“i”可以是具有与“x”的维数相同的列数的矩阵；然后结果是一个向量，其元素对应于“i”的每一行中的索引集合。

考虑到这些问题，我可能会选择tidyr解决方案，因为可变选择列意味着它们可能代表同一可观察单位的不同观测。

- user295691