DataFrame 的 Rcpp 子集行

Question

我希望使用 Rcpp 包创建 iris 数据集的以下子集：

head(subset(iris, Species == "versicolor"))

  Sepal.Length Sepal.Width Petal.Length Petal.Width    Species
51          7.0         3.2          4.7         1.4 versicolor
52          6.4         3.2          4.5         1.5 versicolor
53          6.9         3.1          4.9         1.5 versicolor
54          5.5         2.3          4.0         1.3 versicolor
55          6.5         2.8          4.6         1.5 versicolor
56          5.7         2.8          4.5         1.3 versicolor

我知道如何对 Rcpp::DataFrame 的列进行子集化 - 有一个重载运算符 [，其工作方式与 R 中的一样：x["var"]。但是，我找不到任何方法可以让我对列数不固定的 DataFrame 的行进行子集化。

我想编写一个函数 subset_rows_rcpp_iris，它将 Rcpp::DataFrame（永远是虹膜）和一个 CharacterVector level_of_species 作为输入。它将 return DataFrame object.

DataFrame subset_rows_rcpp_iris(DataFrame x, CharacterVector level_of_species) {
    ...
}

首先，我想找到满足逻辑查询的行的索引。我的问题是，如果我在 test 函数中访问 Species 向量，将其保存为 CharacterVector 然后将其与 level_of_species 进行比较，我总是只得到一个 TRUE 值在 setosa 的情况下，在其他情况下为 FALSE 值。

cppFunction('
    LogicalVector test(DataFrame x, CharacterVector level_of_species) {
            CharacterVector sub = x["Species"];
            LogicalVector ind = sub == level_of_species;
            return(ind);
            }
')
head(test(iris, "setosa"))

[1]  TRUE FALSE FALSE FALSE FALSE FALSE

如果可行，我可以重写 test 函数并使用具有 TRUE/FALSE 值的向量分别对数据框的每一列进行子集化，然后再次将它们与 Rcpp::DataFrame::create.

Answer 1

cppFunction('LogicalVector test(DataFrame x, StringVector level_of_species) {
  using namespace std;  
  StringVector sub = x["Species"];
  std::string level = Rcpp::as<std::string>(level_of_species[0]);
  Rcpp::LogicalVector ind(sub.size());
  for (int i = 0; i < sub.size(); i++){
      ind[i] = (sub[i] == level);
  }

  return(ind);
}')

xx=test(iris, "setosa")
> table(xx)
 xx
 FALSE  TRUE 
   100    50

子集化完成！！！（我自己从这个问题中学到了很多..谢谢！）

cppFunction('Rcpp::DataFrame test(DataFrame x, StringVector level_of_species) {
  using namespace std;  
  StringVector sub = x["Species"];
  std::string level = Rcpp::as<std::string>(level_of_species[0]);
  Rcpp::LogicalVector ind(sub.size());
  for (int i = 0; i < sub.size(); i++){
    ind[i] = (sub[i] == level);
  }

 // extracting each column into a vector
 Rcpp::NumericVector   SepalLength = x["Sepal.Length"];
 Rcpp::NumericVector   SepalWidth = x["Sepal.Width"];
 Rcpp::NumericVector PetalLength = x["Petal.Length"];
 Rcpp::NumericVector   PetalWidth = x["Petal.Width"];


 return Rcpp::DataFrame::create(Rcpp::Named("Sepal.Length")  = SepalLength[ind],
                                Rcpp::Named("Sepal.Width")  = SepalWidth[ind],
                                Rcpp::Named("Petal.Length")  = PetalLength[ind],
                                Rcpp::Named("Petal.Width")  = PetalWidth[ind]
);}')

yy=test(iris, "setosa")
> str(yy)
 'data.frame':  50 obs. of  4 variables:
 $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
 $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
 $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
 $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...

DataFrame 的 Rcpp 子集行

Rcpp subsetting rows of DataFrame

r

rcpp