Extraer una columna dplyr tbl como vector

¿Hay una manera más sucinta de obtener una columna de un dplyr tbl como vector, a partir de un tbl con el back-end de la base de datos (es decir, el marco / tabla de datos no puede ser subconjunto directamente)?

require(dplyr)
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
iris2$Species
# NULL

Eso hubiera sido demasiado fácil, así que

collect(select(iris2, Species))[, 1]
# [1] "setosa"     "setosa"     "setosa"     "setosa"  etc.

Pero parece un poco torpe.

Con dplyr 0.7.0, puede usar pullpara obtener un vector de a tbl.

library("dplyr")
#> 
#> Attaching package: 'dplyr'
#> The following objects are masked from 'package:stats':
#> 
#>     filter, lag
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, setequal, union
db <- src_sqlite(tempfile(), create = TRUE)
iris2 <- copy_to(db, iris)
vec <- pull(iris2, Species)
head(vec)
#> [1] "setosa" "setosa" "setosa" "setosa" "setosa" "setosa"

Según el comentario de @nacnudus, parece que pullse implementó una función en dplyr 0.6:

iris2 %>% pull(Species)

Para versiones anteriores de dplyr, aquí hay una función ordenada para hacer que extraer una columna sea un poco más agradable (más fácil de escribir y más fácil de leer):

pull <- function(x,y) {x[,if(is.name(substitute(y))) deparse(substitute(y)) else y, drop = FALSE][[1]]}

Esto le permite hacer cualquiera de estos:

iris2 %>% pull('Species')
iris2 %>% pull(Species)
iris2 %>% pull(5)

Resultando en...

 [1] 21.0 21.0 22.8 21.4 18.7 18.1 14.3 24.4 22.8 19.2 17.8 16.4 17.3 15.2 10.4 10.4 14.7 32.4 30.4 33.9 21.5 15.5 15.2 13.3 19.2 27.3 26.0 30.4 15.8 19.7 15.0 21.4

Y también funciona bien con marcos de datos:

> mtcars %>% pull(5)
 [1] 3.90 3.90 3.85 3.08 3.15 2.76 3.21 3.69 3.92 3.92 3.92 3.07 3.07 3.07 2.93 3.00 3.23 4.08 4.93 4.22 3.70 2.76 3.15 3.73 3.08 4.08 4.43
[28] 3.77 4.22 3.62 3.54 4.11

Una buena manera de hacer esto en v0.2 de dplyr:

iris2 %>% select(Species) %>% collect %>% .[[5]]

O si lo prefieres:

iris2 %>% select(Species) %>% collect %>% .[["Species"]]

O si tu mesa no es demasiado grande, simplemente ...

iris2 %>% collect %>% .[["Species"]]

También puede usar lo unlistque me parece más fácil de leer porque no necesita repetir el nombre de la columna o especificar el índice.

iris2 %>% select(Species) %>% unlist(use.names = FALSE)

Usaría la extract2función de conveniencia de magrittr:

library(magrittr)
library(dplyr)

iris2 %>%
  select(Species) %>%
  extract2(1)  

Probablemente escribiría:

collect(select(iris2, Species))[[1]]

Dado que dplyr está diseñado para trabajar con tbls de datos, no hay mejor manera de obtener una sola columna de datos.

@ Luke1018 propuso esta solución en uno de los comentarios:

También puede usar el magrittroperador de exposición ( %$%) para extraer un vector de un marco de datos.

Por ejemplo:

iris2 %>% select(Species) %>% collect() %$% Species

Pensé que merecía su propia respuesta.

Si está acostumbrado a usar corchetes para indexar, otra opción es simplemente ajustar el enfoque de indexación habitual en una llamada a deframe () , por ejemplo:

library(tidyverse)

iris2 <- as_tibble(iris)

# using column name
deframe(iris2[, 'Sepal.Length'])

# [1] 5.1 4.9 4.7 4.6 5.0 5.4

# using column number
deframe(iris2[, 1])

# [1] 5.1 4.9 4.7 4.6 5.0 5.4

Eso y pull () son dos formas bastante buenas de obtener una columna tibble.