Простая команда для извлечения имен столбцов в sparklyr (R+spark)
В базе r легко извлечь имена столбцов (переменных) из фрейма данных
> testdf <- data.frame(a1 = rnorm(1e5), a2 = rnorm(1e5), a3 = rnorm(1e5), a4 = rnorm(1e5), a5 = rnorm(1e5), a6 = rnorm(1e5))
> names(testdf)
[1] "a1" "a2" "a3" "a4" "a5" "a6"
но при использовании sparklyr все становится сложнее. После копирования фрейма данных на искру,
> testdf_tbl <- copy_to(sc, testdf, overwrite = TRUE)
> names(testdf_tbl)
[1] "src" "ops"
имена переменных на самом деле находятся глубоко внутри "ops"
> testdf_tbl$ops$vars
[1] "a1" "a2" "a3" "a4" "a5" "a6"
и если бы это было все, не было бы проблем (и не нужно задавать этот вопрос). Но каждый раз, когда происходит операция над testdf_tbl, имена столбцов / переменных меняют свою позицию, как показано ниже..
> testdf_tbl <- testdf_tbl %>% select(-a1)
> testdf_tbl$ops$vars
NULL
> testdf_tbl$ops$x$vars
[1] "a1" "a2" "a3" "a4" "a5" "a6"
другие операции добавляют еще $x к пути.. и так далее.
> testdf_tbl <- testdf_tbl %>% select(-a2)
> testdf_tbl$ops$x$vars
NULL
> testdf_tbl$ops$x$x$vars
[1] "a1" "a2" "a3" "a4" "a5" "a6"
Что еще хуже, список переменных не отражает операции выбора, которые мы сделали, они по-прежнему перечисляют a1, a2 в качестве имен столбцов. в то время как,
> head(testdf_tbl)
Source: query [?? x 4]
Database: spark connection master=local[24] app=sparklyr local=TRUE
a3 a4 a5 a6
dbl dbl dbl dbl
1 -1.146368875 1.691698406 0.43231629 1.3349111
2 0.664928710 -1.332242020 0.05380729 1.0139253
3 1.158095695 -0.097098980 -0.61885204 0.1504693
4 0.001595841 -0.003765908 0.27935192 -0.3039085
5 -0.133446040 0.269329076 1.57210274 1.7762602
6 0.006468698 -1.300439537 0.74057307 0.1320428
Ясно, что операции выбора оказали влияние на то, как используется фрейм данных искры.
ОБЯЗАТЕЛЬНО, есть простой, простой способ извлечь текущие имена переменных / столбцов в sparklyr, а-ля names() в базе р.
1 ответ
Как сказал Кевин, tbl_vars работает, но если вы хотите, чтобы он был более "base-R", colnames и делает это.