根据dplyr :: select兼容的类/类型选择列

Posted 2021-03-28

实际问题

如何定义一个select帮助器，它根据类/类型选择列，并且与dplyr的体系结构兼容？

尽职调查

我看了https://cran.r-project.org/web/packages/dplyr/vignettes/introduction.html和dplyr::select_helpers的帮助，但没有找到任何允许我根据类/类型选择的东西

例

带来一些变化WRT类/类型：

dat <- mtcars
dat <- dat %>% mutate(
  mpg = as.character(mpg),
  wt = as.factor(wt),
  vs = as.character(vs)
)

简而言之，我想让它成为R中所有可能的类/类型（及其组合）的通用方法：

dat[ , sapply(dat, is.character)]
# mpg    wt vs
# 1    21  2.62  0
# 2    21 2.875  0
# 3  22.8  2.32  1
# 4  21.4 3.215  1

基于Subset variables in data frame based on column type，我可以这样做：

select_on_class <- function(.data, cls = "numeric") {
  dat[ , names(.data)[sapply(.data,
    function(vec, clss) class(vec) %in% clss, clss = cls)]]
}
dat %>% select_on_class(c("character", "factor"))
# mpg    wt vs
# 1    21  2.62  0
# 2    21 2.875  0
# 3  22.8  2.32  1
# 4  21.4 3.215  1

但我希望能够在调用dplyr::select时使用它，所以我尝试了这个：

has_class <- function(.data, cls = "numeric") {
  nms <- names(.data)[sapply(.data,
    function(vec, clss) class(vec) %in% clss, clss = cls)]
  sapply(nms, as.name)
}
dat %>% has_class(c("character", "factor"))
# $mpg
# mpg
# 
# $wt
# wt
# 
# $vs
# vs

问题是sapply(nms, as.name)返回list并且与select的内部结构不太好（我还不完全理解，BTW）：

dat %>% select(has_class(c("character", "factor")))
# Error: All select() inputs must resolve to integer column positions.
# The following do not:
#   *  has_class("character")

dat %>% select_(has_class(c("character", "factor")))
# Error in UseMethod("as.lazy") : 
#   no applicable method for 'as.lazy' applied to an object of class "list"

---

编辑

基于使用select_if的答案，我试图概括并陷入困境：

has_class <- function(.data, cls) {
  sapply(.data, function(vec, clss) class(vec) %in% clss, clss = cls)
}
dat %>% has_class(c("character", "factor"))
# mpg   cyl  disp    hp  drat    wt  qsec    vs    am  gear  carb
# TRUE FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE
dat %>% select_if(has_class, c("character", "factor"))
# Error in vapply(tbl, p, logical(1), ...) : values must be length 1,
# but FUN(X[[1]]) result is length 32

AFAIU，.predicate函数只需要返回一个逻辑向量（has_class），我可以通过.predicate（我做过）将其他参数传递给...函数。那我在哪里还会出错？

答案

我认为dplyr::select_if()可能就是你想要的。例如

dat <- mtcars %>% 
       mutate(mpg = as.character(mpg),
              wt = as.character(wt),
              vs = as.character(vs)
       ) %>% 
       select_if(is.character)

另一答案

如果不是list，我们可以从自定义函数返回一个字符向量，然后我们可以使用one_of：

has_class_v1 <- function(.data, cls = "numeric") {
  names(.data)[sapply(.data,
                      function(vec, clss) class(vec) %in% clss, clss = cls)]
  }

has_class_v1(dat, "character")
# [1] "mpg" "wt"  "vs" 

# use one_of
dat %>%
  select(one_of(has_class_v1(.,"character"))) %>% 
  head
#    mpg    wt vs
# 1   21  2.62  0
# 2   21 2.875  0
# 3 22.8  2.32  1
# 4 21.4 3.215  1
# 5 18.7  3.44  0
# 6 18.1  3.46  1

另一答案

在利用dplyr的同时，在我看来实现这一目标的最简化和最普遍的方法是使用dplyr::select_if但是以比@wjchulme建议的方式更直接的方式（虽然这是一个很好的技巧）：

dat %>%
select_if(sapply(., class) %in% c("numeric", "character"))

等等，如果需要更多的课程。我希望这有帮助。