DataFrames.jl-按类型或名称子字符串选择列

Question

我是Julia的新手。

在DataFrames.jl中，有没有一种方法可以选择给定类型的所有变量，或者选择名称中有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

对于具有给定子字符串的变量的选择，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，这更为棘手。问题是，在Julia中，你比在R中有更多的灵活性。例如，您可以将eltype设为Any，但矢量仍然只包含数字。

因此，您可以写：

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}的内容，具体取决于您想要选择的内容。或写入：

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

这次检查的不是容器的元素类型，而是存储值的实际类型。

以下是差异的一个快速示例：

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 │

Answer 2

具有特定子字符串的select列的另一个选项是使用Cols和contains.查找具有特定子串的列。这里有一些可复制的代码：

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