如何修改 Incanter 数据集中的列？

Question

我希望能够转换 incanter 数据集中的单个列，并将结果数据集保存到新的 (csv) 文件中。最简单的方法是什么？

本质上，我希望能够将函数映射到数据集中的列，并用此结果替换原始列。

Answer 1

您可以定义类似的内容：

(defn map-data [dataset column fn]
  (conj-cols (sel dataset :except-cols column)
             ($map fn column dataset)))

并使用，因为

(def data (get-dataset :cars))
(map-data data :speed #(* % 2))

更改列名称只有一个问题 - 当我有空闲时间时，我会尝试修复它......

Answer 2

这是两个类似的函数，都是列名和顺序保留。

(defn transform-column [col-name f data] 
  (let [new-col-names (sort-by #(= % col-name) (col-names data))
        new-dataset (conj-cols
                      (sel data :except-cols col-name)
                      (f ($ col-name data)))]

    ($ (col-names data) (col-names new-dataset new-col-names) )))

(defn transform-rows [col-name f data] 
  (let [new-col-names (sort-by #(= % col-name) (col-names data))
        new-dataset (conj-cols
                      (sel data :except-cols col-name)
                      ($map f col-name data))]

下面是一个说明差异的示例：

=> (def test-data (to-dataset [{:a 1 :b 2} {:a 3 :b 4}])) 
=> (transform-column :a (fn [x] (map #(* % 2) x)) test-data)
[:a :b]
[2 2]
[6 4]

=> (transform-rows   :a #(* % 2) test-data)
[:a :b]
[2 2]
[6 4]

transform-rows 最适合简单转换，而 transform-column 适用于一行的转换依赖于其他行的情况（例如标准化列时）。

保存和加载 CSV 可以使用标准 Incanter 函数来完成，因此完整的示例如下所示：

(use '(incanter core io)))

(def data (col-names (read-dataset 'data.csv') [:a :b])

(save (transform-rows :a #(* % 2) data) 'transformed-data.csv')

Answer 3

再说一遍：也许您可以使用数据集的内部结构。

user=> (defn update-column
         [dataset column f & args]
         (->> (map #(apply update-in % [column] f args) (:rows dataset))
           vec
           (assoc dataset :rows)))
#'user/update-column
user=> d
[:col-0 :col-1]
[1 2]
[3 4]
[5 6]

user=> (update-column d :col-1 str "d")
[:col-0 :col-1]
[1 "2d"]
[3 "4d"]
[5 "6d"]

再次应该检查一下这是公共 API 的程度。

Answer 4

注意：此解决方案需要 Incanter 1.5.3 或更高版本

对于那些可以使用最新版本的 Incanter...

添加列 & 添加-衍生-列 在 1.5.3 中添加到 Incanter (pull request)

来自文档：

add-column

”将具有给定值的列添加到数据集中。”

(add-column column-name values)

或者

(add-column column-name values data)

或者您可以使用：

add-衍生-列

“此函数将一列添加到数据集中，该数据集是以下函数的函数
现有的列。如果没有提供数据集，$data（由
with-data 宏）将被使用。 f 应该是函数
from-columns，参数按该顺序。”

(add-derived-column column-name from-columns f)

或

(add-derived-column column-name from-columns f data)

更完整的示例

(use '(incanter core datasets))
  (def cars (get-dataset :cars))

(add-derived-column :dist-over-speed [:dist :speed] (fn [d s] (/ d s)) cars)

(with-data (get-dataset :cars)
  (view (add-derived-column :speed**-1 [:speed] #(/ 1.0 %))))