R recipes step_select 使用 dplyr 选择变量

step_select() 创建配方步骤的规范，该步骤将使用 dplyr::select() 选择变量。

用法

step_select(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  skip = FALSE,
  id = rand_id("select")
)

参数

recipe: 一个菜谱对象。该步骤将添加到此配方的操作序列中。
...: 一个或多个选择器函数用于为此步骤选择变量。有关更多详细信息，请参阅selections()。
role: 对于此步骤选择的模型项，应为它们分配什么分析角色？
trained: 指示预处理数量是否已估计的逻辑。
skip: 一个合乎逻辑的。当bake() 烘焙食谱时是否应该跳过此步骤？虽然所有操作都是在 prep() 运行时烘焙的，但某些操作可能无法对新数据进行(例如处理结果变量)。使用skip = TRUE时应小心，因为它可能会影响后续操作的计算。
id: 该步骤特有的字符串，用于标识它。

值

recipe 的更新版本，将新步骤添加到任何现有操作的序列中。

细节

当定义新变量的表达式中引用用户全局环境中的对象时，最好使用准引用(例如 !! )将该对象的值嵌入到表达式中(以便在会议)。请参阅示例。

此步骤可能会从数据集中删除列。如果通过名称专门引用缺失的列，这可能会导致配方中的后续步骤出现问题。为了避免这种情况，请参阅 selections 的“保存配方和过滤列的提示”部分中的建议。

整理

当您 tidy() 此步骤时，将返回一个带有 terms 列的 tibble，其中包含字符串形式的 select 表达式(且不可重新解析)。

箱重

底层操作不允许使用案例权重。

也可以看看

其他变量过滤步骤：step_corr()、step_filter_missing()、step_lincomb()、step_nzv()、step_rm()、step_zv()

其他 dplyr 步骤：step_arrange() , step_filter() , step_mutate_at() , step_mutate() , step_rename_at() , step_rename() , step_sample() , step_slice()

例子

library(dplyr)

iris_tbl <- as_tibble(iris)
iris_train <- slice(iris_tbl, 1:75)
iris_test <- slice(iris_tbl, 76:150)

dplyr_train <- select(iris_train, Species, starts_with("Sepal"))
dplyr_test <- select(iris_test, Species, starts_with("Sepal"))

rec <- recipe(~., data = iris_train) %>%
  step_select(Species, starts_with("Sepal")) %>%
  prep(training = iris_train)

rec_train <- bake(rec, new_data = NULL)
all.equal(dplyr_train, rec_train)
#> [1] TRUE

rec_test <- bake(rec, iris_test)
all.equal(dplyr_test, rec_test)
#> [1] TRUE

# Local variables
sepal_vars <- c("Sepal.Width", "Sepal.Length")

qq_rec <-
  recipe(~., data = iris_train) %>%
  # fine for interactive usage
  step_select(Species, all_of(sepal_vars)) %>%
  # best approach for saving a recipe to disk
  step_select(Species, all_of(!!sepal_vars))

# Note that `sepal_vars` is inlined in the second approach
qq_rec
#> 
#> ── Recipe ────────────────────────────────────────────────────────────────
#> 
#> ── Inputs 
#> Number of variables by role
#> predictor: 5
#> 
#> ── Operations 
#> • Variables selected: Species, all_of(sepal_vars)
#> • Variables selected: Species, ...

源代码：R/select.R

相关用法

注：本文由纯净天空筛选整理自Max Kuhn等大神的英文原创作品 Select variables using dplyr。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。