はじめに

dplyr使いの方で，select関数を使って特定の1列に対して何かしらの処理をするということをしたいときにエラーが出る人はpull関数を使いましょうという話です。ちなみに，$使えば問題は解決です。今回は，それ以外の方法で，というお話。

具体的になにをしようとしたか

私がどんな処理をしようとしたかについて少し触れておきます。ここはスキップしてもらっても構いません。

ある列の単語（1単語または2単語の英単語が入っている）の文字数をカウントするということをやろうとしていました。ピリオドが含まれていたり（e.g., “dogs.”），2語の場合は間に空白もあるので（e.g., “beautiful lake”，それらを除去して文字数を数える必要があります。そのためには，str_extract，str_replace, str_lengthなどの文字列処理関数を使う必要があります。しかし，これらの関数はベクトルを受け取って処理をするので，データフレームを渡してもエラーが出てしまうという問題に直面しました。

select関数の挙動

データフレームからある特定の列を引っ張ってくるというとき，もちろん$を使って，dat$wordのようにするのが一番簡単なのでそれでもいいのですけども，dplyr使いの方はselect関数を使っている方も多いのではと思います。ただし，select関数はデータフレームの中から特定の列を引っ張ってくると，それがたとえ1列であってもdata.frame型になります。

よって，処理に使う関数がベクトル型を要求するものだとエラーが発生することになるわけです。しかもやっかいなのは，「じゃあas.vector()関数」を噛ませればいいやんとやってみてもそれでは解決しないからです。理由はよくわかりません。

  dat %>% 
  select(word) %>% #wordという列に文字数カウントしたい文字列があるとする
  as.vector() %>%
  is.vector() #このコードではFALSEとなります

pull関数がすること

pull関数は，要するにdat$x1のように$を使って，またはdat[, x1]のように[,]を使ってデータフレームの中の特定の列を指定するのと同じ挙動をするということです（参考）。よって，pull関数の出力はベクトル型になります。

  dat %>% 
  pull(word) %>%
  is.vector() #このコードではTRUEとなります

というわけで，1列だけ持ってくるときに関数を使う場合はpull()関数を使いましょうというのが結論です。私は結局こういう感じで文字数カウントをしました。

  dat %>% 
  pull(word) %>%
  str_extract(.,"[^\\.]+") %>% #ピリオドを除去
  str_replace(.,pattern = "\\s",replacement = "") %>% #半角スペースを除去
  str_length()->rt_dat$length #文字数をカウント

$を使うと次のようになります。

  str_extract(dat$word,"[^\\.]+") %>% #ピリオドを除去
  str_replace(.,pattern = "\\s",replacement = "") %>% #半角スペースを除去
  str_length()-> dat$length #文字数をカウントしてlengthという列に入れる

$を使ったほうが行数が少なくなるので，そっちのほうがいいような気もしますが，工程の見やすさでいうとpull関数を使うほうが上かなという感じがします。

おわりに

もともと文字数はカウントしてあったのですが，ちょっと査読者の指摘でフィラー項目も入れて分析をやり直さないといけなくなってこういった処理が必要になりました。データ型って基本といえば基本なのですが，以外に気づかずにエラーで困ることもあるので，select関数の挙動について勉強になるいい機会でした。

ということで，pull関数とselect関数，場合によって使い分けましょう。

なにをゆう たむらゆう。

おしまい。