如何同时按名称或标准偏差选择列？

Posted 2021-03-28

解

我选择了@thelatemail提供的解决方案，因为我试图坚持使用tidyverse，因此dplyr - 我还是R的新手，所以我正在采取措施并利用辅助库。感谢大家花时间提供解决方案。

df_new <- df_inh %>%
select(
  isolate,
  Phenotype,
  which(
    sapply( ., function( x ) sd( x ) != 0 )
  )
)

题

如果列名称为“isolate”或“Phenotype”，或者列值的标准偏差不为0，我正在尝试选择列。

我试过以下代码。

df_new <- df_inh %>%
# remove isolate and Phenotype column for now, don't want to calculate their standard deviation
select(
  -isolate,
  -Phenotype
) %>%
# remove columns with all 1's or all 0's by calculating column standard deviation
select_if(
  function( col ) return( sd( col ) != 0 )
) %>%
# add back the isolate and Phenotype columns
select(
  isolate,
  Phenotype
)

我也尝试过这个

df_new <- df_inh %>%
select_if(
  function( col ) {
  if ( col == 'isolate' | col == 'Phenotype' ) {
    return( TRUE )
  }
  else {
    return( sd( col ) != 0 )
  }
}
)

我可以通过标准偏差或列名选择列，但我不能同时执行此操作。

答案

不确定你是否可以单独用select_if做这个，但一种方法是结合两个select操作然后绑定列。使用mtcars作为样本数据。

library(dplyr)
bind_cols(mtcars %>% select_if(function(x) sum(x) > 1000), 
          mtcars %>% select(mpg, cyl))

#    disp  hp  mpg cyl
#1  160.0 110 21.0   6
#2  160.0 110 21.0   6
#3  108.0  93 22.8   4
#4  258.0 110 21.4   6
#5  360.0 175 18.7   8
#6  225.0 105 18.1   6
#7  360.0 245 14.3   8
#8  146.7  62 24.4   4
#....

但是，如果一列满足条件（在select_if和select中选择），那么该列将重复。

我们也可以使用base R，它提供相同的输出，但避免使用unique两次选择列。

sel_names <- c("mpg", "cyl")
mtcars[unique(c(sel_names, names(mtcars)[sapply(mtcars, sum) > 1000]))]

---

因此，对于您的情况，两个版本将是：

bind_cols(df_inh %>% select_if(function(x) sd(x) != 0), 
          df_inh %>% select(isolate, Phenotype))

和

sel_names <- c("isolate", "Phenotype")
df_inh[unique(c(sel_names, names(df_inh)[sapply(df_inh, sd) != 0]))]

另一答案

我根本不会使用tidyverse函数来完成这项任务。

df_new <- df_inh[,c(grep("isolate", names(df_inh)), 
                    grep("Phenotype", names(df_inh), 
                    which(sapply(df_inh, sd) != 0))]

上面，您只需使用[]和grep按照每个标准使用which进行索引