DataFrames.jl -按类型或名称子字符串选择列

Question

我是新来的朱莉娅。

在DataFrames.jl中，有没有一种方法可以选择给定类型的所有变量，或者名称中包含给定子字符串的所有变量？

例如，在R中，我们有：

df %>% select_if(is.numeric)

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

谢谢。

Answer 1

要选择具有给定子字符串的变量，请使用：

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。

对于给定元素类型的变量的选择，这更加棘手。问题是，在Julia中，你比这里的R有更多的灵活性。例如，你可以有一个Any类型，但向量仍然只包含数字。

因此，您可以这样写：

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

当然，这在这里是有限制的，您可以将Float64更改为类似Real、Number或Union{Missing, Int}之类的内容，具体取决于您想要选择的内容。或者写下：

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

这一次您检查的不是容器的元素类型，而是存储值的实际类型。

这里有一个简单的例子来说明其中的区别：

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 │