如何 select 数据框中的列范围基于它们的名称而不是它们的索引？

Question

在这样创建的 pandas 数据框中：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randint(10, size=(6, 6)),
                  columns=['c' + str(i) for i in range(6)],
                  index=["r" + str(i) for i in range(6)])

可能如下所示：

    c0  c1  c2  c3  c4  c5
r0   2   7   3   3   2   8
r1   6   9   6   7   9   1
r2   4   0   9   8   4   2
r3   9   0   4   3   5   4
r4   7   6   8   8   0   8
r5   0   6   1   8   2   2

我可以轻松地 select 某些行 and/or 使用 .loc:

的一系列列

print df.loc[['r1', 'r5'], 'c1':'c4']

那就是 return:

    c1  c2  c3  c4
r1   9   6   7   9
r5   6   1   8   2

所以，特别是 rows/columns 我可以 select 在列表中，使用冒号 rows/columns 的范围。

如何在 R 中做到这一点？ Here and here 人们总是必须通过索引指定所需的列范围，但不能 - 或者至少我没有找到它 - 按名称访问这些列。举个例子：

df <- data.frame(c1=1:6, c2=2:7, c3=3:8, c4=4:9, c5=5:10, c6=6:11)
rownames(df) <- c('r1', 'r2', 'r3', 'r4', 'r5', 'r6')

命令

df[c('r1', 'r5'),'c1':'c4']

不起作用并抛出错误。唯一对我有用的是

df[c('r1', 'r5'), 1:4]

哪个return

   c1 c2 c3 c4
r1  1  2  3  4
r5  5  6  7  8

但是我如何 select 列的名称而不是索引（当我在整个分析过程中删除某些列时，这可能很重要）？在这种特殊情况下，我当然可以使用 grep 但是具有任意名称的列呢？

所以我不想用

df[c('r1', 'r5'),c('c1','c2', 'c3', 'c4')]

但实际切片。

编辑：

可以找到后续问题。

Answer 1

看起来你可以用 subset:

> df <- data.frame(c1=1:6, c2=2:7, c3=3:8, c4=4:9, c5=5:10, c6=6:11)
> rownames(df) <- c('r1', 'r2', 'r3', 'r4', 'r5', 'r6')
> subset(df, select=c1:c4)
   c1 c2 c3 c4
r1  1  2  3  4
r2  2  3  4  5
r3  3  4  5  6
r4  4  5  6  7
r5  5  6  7  8
r6  6  7  8  9
> subset(df, select=c1:c2)
   c1 c2
r1  1  2
r2  2  3
r3  3  4
r4  4  5
r5  5  6
r6  6  7

如果你想按行名称范围进行子集化，这个技巧可以做到：

> gRI <- function(df, rName) {which(match(rNames, rName) == 1)}
> df[gRI(df,"r2"):gRI(df,"r4"),]
   c1 c2 c3 c4 c5 c6
r2  2  3  4  5  6  7
r3  3  4  5  6  7  8
r4  4  5  6  7  8  9

Answer 2

添加到@evan058 的回答：

subset(df[rownames(df) %in% c("r3", "r4", "r5"),], select=c1:c4)

c1 c2 c3 c4
r3  3  4  5  6
r4  4  5  6  7
r5  5  6  7  8

但是请注意，: 运算符在这里可能不起作用；您将必须写出要明确包含的每一行的名称。按其他列之一的特定值分组或创建索引列（如评论中提到的 @evan058）可能更容易。

Answer 3

这似乎太简单了，所以我可能做错了什么。

df <- data.frame(c1=1:6, c2=2:7, c3=3:8, c4=4:9, c5=5:10, c6=6:11,
                 row.names=c('r1', 'r2', 'r3', 'r4', 'r5', 'r6'))


df[c('r1','r2'),c('c1','c2')]

   c1 c2
r1  1  2
r2  2  3

Answer 4

如果您不介意使用 data.table，subset 的另一种方法是：

data.table::setDT(df)
df[1:3, c2:c4, with=F]
   c2 c3 c4
1:  2  3  4
2:  3  4  5
3:  4  5  6

虽然这仍然没有解决子集行范围的问题。

Answer 5

使用 dplyr 包的解决方案，但您需要事先指定要select的行

rowName2Match <- c("r1", "r5")

df1 <- df %>% 
  select(matches("2"):matches("4")) %>% 
  add_rownames() %>% 
  mutate(idRow = match(rowname, rowName2Match)) %>% 
  slice(which(!is.na(idRow))) %>% 
  select(-idRow)
df1

> df1
Source: local data frame [2 x 4]

  rowname    c2    c3    c4
   <chr> <int> <int> <int>
1      r1     2     3     4
2      r5     6     7     8

如何 select 数据框中的列范围基于它们的名称而不是它们的索引？

How to select range of columns in a dataframe based on their name and not their indexes?

r

subset

code-conversion

dataframe