. «Чистая» сборки может удалить «мертвую древесину», которая может быть оставлена лежащей рядом с предыдущими сборками, неудачными сборками, неполными сборками и другими проблемами сборки.
В общем случае среда IDE или сборка будет включать в себя некоторую форму «чистой» функции, но это может быть неправильно настроено (например, в ручном файле) или может завершиться неудачей (например, промежуточные или результирующие двоичные файлы - только).
После завершения «очистки» убедитесь, что «чистый» преуспел, и весь сгенерированный промежуточный файл (например, автоматический файл makefile) был успешно удален.
Этот процесс можно рассматривать как конечный вариант, но часто является хорошим первым шагом ; особенно если недавно был добавлен код, связанный с ошибкой (локально или из исходного репозитория).
Я обнаружил, что преобразование в матрицу сначала облегчает получение уровней.
as.vector(as.matrix(df[,c("alpha", "gamma", "zeta")]))
Конечно, вы могли бы просто сделать stringsAsFactors=FALSE
, когда вы сначала прочитали данные.
vec <- unlist(lapply( df[ ,
names(df) %in% c("alpha","gamma", "zeta") ],
levels) )[1:300]
Это даст уникальные уровни. Если вы хотите получить первые 300 значений в этих столбцах, сделайте следующее:
vec <- unlist(lapply( df[ ,
names(df) %in% c("alpha","gamma", "zeta") ],
as.character) )[1:300]
У вас есть принятый ответ, но вот что я думаю: у вас есть комбинация столбцов factor
и character
. В этом случае unlist
работает не напрямую, но если все они factor
или все они character
, проблем не будет:
Некоторые примеры данных:
mydf <- data.frame(A = LETTERS[1:3], B = LETTERS[4:6], C = LETTERS[7:9],
D = LETTERS[10:12], E = LETTERS[13:15])
df <- mydf
df$E <- as.character(df$E)
colsOfInterest <- c("A", "B", "E")
unlist(mydf[colsOfInterest], use.names = FALSE)
# [1] A B C D E F M N O
# Levels: A B C D E F M N O
unlist(df[colsOfInterest], use.names = FALSE)
# [1] "1" "2" "3" "1" "2" "3" "M" "N" "O"
unlist(lapply(df[colsOfInterest], as.character), use.names = FALSE)
# [1] "A" "B" "C" "D" "E" "F" "M" "N" "O"
Для проблема в описанной здесь шкале, тесты показывают, что преобразование в символ сначала и использование unlist
на самом деле является самым быстрым подходом, если вы не заботитесь о сохранении факторов. Обратите внимание, что результат fun1()
будет неправильным, если некоторые столбцы являются факторами, а некоторые - символами. Вот эталонная отметка в 100 строке data.frame
:
library(microbenchmark)
microbenchmark(fun1(), fun2(), fun3())
# Unit: microseconds
# expr min lq median uq max neval
# fun1() 572.606 587.3595 595.4845 606.175 3439.055 100
# fun2() 327.570 334.6265 341.2550 350.449 3443.758 100
# fun3() 1037.020 1055.6215 1064.1745 1086.197 3929.981 100
Конечно, здесь мы говорим о микросекундах, но масштаб результатов тоже.
Для справки, вот что использовалось для бенчмаркинга. Измените «nRow
» и «nCol
», если вы хотите протестировать разный размер data.frame
, выделяя разные числа столбцов.
nRow <- 100
nCol <- 30
set.seed(1)
mydf <- data.frame(matrix(sample(LETTERS, nRow*nCol, replace = TRUE), nrow = nRow))
colsOfInterest <- sample(nCol, sample(nCol*.7, 1))
length(colsOfInterest)
# [1] 17
library(microbenchmark)
fun1 <- function() unlist(mydf[colsOfInterest], use.names = FALSE)
fun2 <- function() unlist(lapply(mydf[colsOfInterest], as.character), use.names = FALSE)
fun3 <- function() as.vector(as.matrix(mydf[colsOfInterest]))
microbenchmark(fun1(), fun2(), fun3())