Dividir y guardar como ficheros subconjuntos de un data frame con R

Problema

Queremos guardar cada subconjunto de un data frame como un fichero de texto en el directorio de trabajo. En este ejemplo, utilizamos el conjunto de datos iris y crearemos un fichero CSV por cada una de las especies de la columna Species: setosa, versicolor, y virginica.

head(iris)

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

Solución

Utilizamos el siguiente bucle para filtrar el data frame y creas los ficheros.

for (name in levels(iris$Species)) {
  # Filtramos el data frame y seleccionamos las columnas
  tmp <- subset(iris, select = -Species, Species == name)
  # Crea un nuevo fichero por cada especie
  fn <- paste(gsub(" ", "", name), ".csv", sep = "")
  # Por cada especie, guarda un CSV en el directorio de trabajo
  write.csv(tmp, fn, row.names = FALSE)
} 

Resultado

En el directorio de trabajo, se habrán guardo los ficheros correspondientes.

Seleccionar con sqldf un subconjunto de filas de una columna en un data frame diferente

Problema

Supongamos que tenemos los siguientes data frames.

#A
  a1  a2
1  1 101
2  2 102
3  3 103
4  4 104

#B
  a1  a2
1  1 101
2  2 102
3  3 103
4  4 104

A <-  data.frame(a1 = c(1:4), a2 = c(101:104))
B <-  data.frame(b1 = c(1:2), b2 = c(55,56))

Deseamos obtener el siguiente subconjunto de filas del data frame A, en el que la columna A$a1 contenga los elementos de la columna B%b1 del data frame B. Pero en lugar del paquete base, como hacemos a continuación, queremos emplear el paquete sqldf.

A[A$a1 %in% B$b1, ]

 a1  a2
1  1 101
2  2 102

Solución

Usamos la función paste dos veces. Para concatenar los elementos del vector B$b1 separado por comas, y después para concatenar la cadena de texto deseada: [1] "select * from A where a1 in( 1,2 )"

library(sqldf)
sqldf(paste("select * from A where a1 in(", paste(B$b1, collapse = ","), ")"))

Otras dos alternativas propuestas por G. Grothendieck son:

# 1
fn$sqldf(" select * from A where a1 in ( `toString(B$b1)` ) ") 
# 2
sqldf("select A.* from A join B on A.a1 = B.b1")

Resultado

 a1  a2
1  1 101
2  2 102

Referencias

• stackoverflow