提取一个dplyr tbl列作为一个向量

有一个更简洁的方法,从数据库后端的tbl(即数据框/表不能直接子集)获得一列dplyr tbl作为一个向量吗?

require(dplyr) db <- src_sqlite(tempfile(), create = TRUE) iris2 <- copy_to(db, iris) iris2$Species # NULL 

那太容易了,所以

 collect(select(iris2, Species))[, 1] # [1] "setosa" "setosa" "setosa" "setosa" etc. 

但似乎有点笨拙。

用dplyr 0.7.0,你可以用pulltbl获得一个向量。

 library("dplyr") #> #> Attaching package: 'dplyr' #> The following objects are masked from 'package:stats': #> #> filter, lag #> The following objects are masked from 'package:base': #> #> intersect, setdiff, setequal, union db <- src_sqlite(tempfile(), create = TRUE) iris2 <- copy_to(db, iris) vec <- pull(iris2, Species) head(vec) #> [1] "setosa" "setosa" "setosa" "setosa" "setosa" "setosa" 

dplyr v0.2中的一个很好的方法:

 iris2 %>% select(Species) %>% collect %>% .[[5]] 

或者如果你喜欢:

 iris2 %>% select(Species) %>% collect %>% .[["Species"]] 

或者如果你的桌子不是太大,简单地…

 iris2 %>% collect %>% .[["Species"]] 

更新:

这里有一个很好的function,可以使列更好一些(input更容易,更容易阅读):

 pull <- function(x,y) {x[,if(is.name(substitute(y))) deparse(substitute(y)) else y, drop = FALSE][[1]]} 

这可以让你做任何一个:

 iris2 %>% pull('Species') iris2 %>% pull(Species) iris2 %>% pull(5) 

导致…

  [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7 15.0 21.4 

它也适用于dataframe:

 > mtcars %>% pull(5) [1] 3.90 3.90 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 3.92 3.07 3.07 3.07 2.93 3.00 3.23 4.08 4.93 4.22 3.70 2.76 3.15 3.73 3.08 4.08 4.43 [28] 3.77 4.22 3.62 3.54 4.11 

更新2:

根据@nacnudus的评论,它看起来像一个pull函数在dplyr 0.6中实现。

https://github.com/tidyverse/dplyr/commit/0b9aabf6c06c9cd3b784b155044d497d4b93df3e

您也可以使用unlist ,因为您不需要重复列的名称或指定索引,因此我发现它更易于阅读。

 iris2 %>% select(Species) %>% unlist(use.names = FALSE) 

我将使用extract2便利函数:

 library(magrittr) library(dplyr) iris2 %>% select(Species) %>% extract2(1) 

我可能会写:

 collect(select(iris2, Species))[[1]] 

由于dplyr是为了处理数据而devise的,因此没有更好的方法来获取单列数据。

在Luke1018中提出了这个解决scheme中的一个意见:

您也可以使用magrittr展示操作符( %$% )从数据框中提取一个向量。

例如:

 iris2 %>% select(Species) %>% collect() %$% Species 

我认为这是值得的。