R recipes step_slice 使用 dplyr 按位置過濾行

step_slice() 創建配方步驟的規範，該步驟將使用 dplyr::slice() 過濾行。

用法

step_slice(
  recipe,
  ...,
  role = NA,
  trained = FALSE,
  inputs = NULL,
  skip = TRUE,
  id = rand_id("slice")
)

參數

recipe: 一個菜譜對象。該步驟將添加到此配方的操作序列中。
...: 整數行值。有關更多詳細信息，請參閱dplyr::slice()。
role: 由於沒有創建新變量，因此此步驟未使用。
trained: 指示預處理數量是否已估計的邏輯。
inputs: ... 給出的值的引用。
skip: 一個合乎邏輯的。當bake() 烘焙食譜時是否應該跳過此步驟？雖然所有操作都是在 prep() 運行時烘焙的，但某些操作可能無法對新數據進行(例如處理結果變量)。使用 skip = FALSE 時應小心。
id: 該步驟特有的字符串，用於標識它。

值

recipe 的更新版本，將新步驟添加到任何現有操作的序列中。

細節

當定義新變量的表達式中引用用戶全局環境中的對象時，最好使用準引用(例如 !! )將該對象的值嵌入到表達式中(以便在會議)。請參閱示例。

行過濾

此步驟可以完全刪除觀察結果(數據行)，當稍後通過 bake() 將步驟應用於新數據時，這可能會產生意想不到的和/或有問題的後果。在任何給定的用例中，考慮 skip = TRUE 還是 skip = FALSE 更合適。在影響預測數據行的大多數情況下，可能根本不應該應用此步驟；相反，在開始預處理之前執行類似的操作 recipe() 。

整理

當您tidy()此步驟時，將返回包含過濾索引的列terms的tibble。

箱重

底層操作不允許使用案例權重。

也可以看看

其他行操作步驟：step_arrange()、step_filter()、step_impute_roll()、step_lag()、step_naomit()、step_sample()、step_shuffle()

其他 dplyr 步驟：step_arrange() , step_filter() , step_mutate_at() , step_mutate() , step_rename_at() , step_rename() , step_sample() , step_select()

例子

rec <- recipe(~., data = iris) %>%
  step_slice(1:3)

prepped <- prep(rec, training = iris %>% slice(1:75))
tidy(prepped, number = 1)
#> # A tibble: 1 × 2
#>   terms id         
#>   <chr> <chr>      
#> 1 1:3   slice_FPmAy

library(dplyr)

dplyr_train <-
  iris %>%
  as_tibble() %>%
  slice(1:75) %>%
  slice(1:3)

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

dplyr_test <-
  iris %>%
  as_tibble() %>%
  slice(76:150) %>%
  slice(1:3)
rec_test <- bake(prepped, iris %>% slice(76:150))
all.equal(dplyr_test, rec_test)
#> [1] "Attributes: < Component “row.names”: Numeric: lengths (3, 75) differ >" 
#> [2] "Component “Sepal.Length”: Numeric: lengths (3, 75) differ"              
#> [3] "Component “Sepal.Width”: Numeric: lengths (3, 75) differ"               
#> [4] "Component “Petal.Length”: Numeric: lengths (3, 75) differ"              
#> [5] "Component “Petal.Width”: Numeric: lengths (3, 75) differ"               
#> [6] "Component “Species”: Lengths: 3, 75"                                    
#> [7] "Component “Species”: Lengths (3, 75) differ (string compare on first 3)"

# Embedding the integer expression (or vector) into the
# recipe:

keep_rows <- 1:6

qq_rec <-
  recipe(~., data = iris) %>%
  # Embed `keep_rows` in the call using !!
  step_slice(!!keep_rows) %>%
  prep(training = iris)

tidy(qq_rec, number = 1)
#> # A tibble: 1 × 2
#>   terms id         
#>   <chr> <chr>      
#> 1 1:6   slice_xhh4Y

源代碼：R/slice.R

相關用法

注：本文由純淨天空篩選整理自Max Kuhn等大神的英文原創作品 Filter rows by position using dplyr。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。