DataFrames.jl - 按类型或名称子字符串选择列

Question

我希望你能帮忙翻译一下，涉及 IT 技术相关内容。需要在 DataFrames.jl 中选择给定类型的所有变量或具有给定子字符串名称的所有变量。例如，在 R 中我们可以使用以下代码：

df %>% select_if(is.numeric)

df %>% select(matches("_some_string_"))

谢谢。

- into_r

Answer 1

使用以下方法选择包含指定子字符串的变量：

select(df, r"_some_string_")

实际上，它比子字符串强大得多 - 它可以是任何Regex。

对于选择给定元素类型的变量，这更加棘手。问题在于在 Julia 中，您比在 R 中具有更大的灵活性。例如，您可以有Any类型的eltype，但向量仍仅包含数字。

因此，您可以编写以下内容：

select(df, findall(col -> eltype(col) <: Float64, eachcol(df)))

当然，在这里限制非常严格，你可以将 Float64 更改为像 Real、Number 或者 Union{Missing, Int} 这样的选项，具体要根据您想选择的内容来决定。

select(df, findall(col -> all(v -> v isa Float64, col), eachcol(df)))

这一次你检查的不是容器元素的类型，而是存储值的实际类型。

下面是一个快速示例来说明它们之间的区别：

julia> df = DataFrame(a=[1.0], b=Any[1.0], c=[1])
1×3 DataFrame
│ Row │ a       │ b   │ c     │
│     │ Float64 │ Any │ Int64 │
├─────┼─────────┼─────┼───────┤
│ 1   │ 1.0     │ 1.0 │ 1     │

julia> select(df, findall(col -> eltype(col) <: Float64, eachcol(df)))
1×1 DataFrame
│ Row │ a       │
│     │ Float64 │
├─────┼─────────┤
│ 1   │ 1.0     │

julia> select(df, findall(col -> all(v -> v isa Float64, col), eachcol(df)))
1×2 DataFrame
│ Row │ a       │ b   │
│     │ Float64 │ Any │
├─────┼─────────┼─────┤
│ 1   │ 1.0     │ 1.0 │

- Bogumił Kamiński

---

可以使用nonmissingtype(eltype(col))来获取列类型的T部分，如果它是一个Union{Missing,T}。 - BallpointBen

Answer 2

另一种选择使用 Cols 和 contains 来选择包含特定子字符串的列。以下是一些可复现的代码：

julia> using DataFrames

julia> df = DataFrame(col1 = 1, col2 = 2, col3 = 3)
1×3 DataFrame
 Row │ col1   col2   col3  
     │ Int64  Int64  Int64 
─────┼─────────────────────
   1 │     1      2      3

julia> select(df, Cols(contains.("2")))
1×1 DataFrame
 Row │ col2  
     │ Int64 
─────┼───────
   1 │     2

- Quinten