如何在数据帧中按名称删除列

我有一个很大的数据集，我想阅读特定的列或放弃所有其他列。

data <- read.dta("file.dta")

我选择我不感兴趣的列:

var.out <- names(data)[!names(data) %in% c("iden", "name", "x_serv", "m_serv")]

然后我想做的事情是:

for(i in 1:length(var.out)) {
paste("data$", var.out[i], sep="") <- NULL
}

删除所有不需要的列。这是最优解吗?

601567 次浏览
小开
最佳答案

你应该使用索引或subset函数。例如:

R> df <- data.frame(x=1:5, y=2:6, z=3:7, u=4:8)
R> df
x y z u
1 1 2 3 4
2 2 3 4 5
3 3 4 5 6
4 4 5 6 7
5 5 6 7 8

然后你可以在列索引中使用which函数和-操作符:

R> df[ , -which(names(df) %in% c("z","u"))]
x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6

或者，更简单的方法是，使用subset函数的select参数:然后可以直接对列名向量使用-操作符，甚至可以省略列名周围的引号!

R> subset(df, select=-c(z,u))
x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6

注意，你也可以选择你想要的列，而不是删除其他列:

R> df[ , c("x","y")]
x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6


R> subset(df, select=c(x,y))
x y
1 1 2
2 2 3
3 3 4
4 4 5
5 5 6
小开

不要为此使用-which()，这是极其危险的。考虑:

dat <- data.frame(x=1:5, y=2:6, z=3:7, u=4:8)
dat[ , -which(names(dat) %in% c("z","u"))] ## works as expected
dat[ , -which(names(dat) %in% c("foo","bar"))] ## deletes all columns! Probably not what you wanted...

相反，使用子集或!函数:

dat[ , !names(dat) %in% c("z","u")] ## works as expected
dat[ , !names(dat) %in% c("foo","bar")] ## returns the un-altered data.frame. Probably what you want

我从痛苦的经历中学到了这一点。不要过度使用which()!

小开

我将代码更改为:

# read data
dat<-read.dta("file.dta")


# vars to delete
var.in<-c("iden", "name", "x_serv", "m_serv")


# what I'm keeping
var.out<-setdiff(names(dat),var.in)


# keep only the ones I want
dat <- dat[var.out]

无论如何，朱巴的答案是我问题的最佳解决方案!

小开

我试图在使用包data.table时删除一列，得到了意想不到的结果。我觉得下面的内容可能值得发表。只是一个小警告。

[编辑:Matthew…］

DF = read.table(text = "
fruit state grade y1980 y1990 y2000
apples Ohio   aa    500   100   55
apples Ohio   bb      0     0   44
apples Ohio   cc    700     0   33
apples Ohio   dd    300    50   66
", sep = "", header = TRUE, stringsAsFactors = FALSE)


DF[ , !names(DF) %in% c("grade")]   # all columns other than 'grade'
fruit state y1980 y1990 y2000
1 apples  Ohio   500   100    55
2 apples  Ohio     0     0    44
3 apples  Ohio   700     0    33
4 apples  Ohio   300    50    66


library('data.table')
DT = as.data.table(DF)


DT[ , !names(dat4) %in% c("grade")]    # not expected !! not the same as DF !!
[1]  TRUE  TRUE FALSE  TRUE  TRUE  TRUE


DT[ , !names(DT) %in% c("grade"), with=FALSE]    # that's better
fruit state y1980 y1990 y2000
1: apples  Ohio   500   100    55
2: apples  Ohio     0     0    44
3: apples  Ohio   700     0    33
4: apples  Ohio   300    50    66

基本上，data.table的语法与data.frame并不完全相同。实际上有很多不同之处，参见FAQ 1.1和FAQ 2.17。我警告过你!

小开

这是另一个可能对其他人有帮助的解决方案。下面的代码从一个大数据集中选择少量的行和列。这些列被选择为juba的答案之一，除了我使用粘贴函数选择一组列的名称按顺序编号:

df = read.table(text = "


state county city  region  mmatrix  X1 X2 X3    A1     A2     A3      B1     B2     B3      C1      C2      C3


1      1     1      1     111010   1  0  0     2     20    200       4      8     12      NA      NA      NA
1      2     1      1     111010   1  0  0     4     NA    400       5      9     NA      NA      NA      NA
1      1     2      1     111010   1  0  0     6     60     NA      NA     10     14      NA      NA      NA
1      2     2      1     111010   1  0  0    NA     80    800       7     11     15      NA      NA      NA


1      1     3      2     111010   0  1  0     1      2      1       2      2      2      10      20      30
1      2     3      2     111010   0  1  0     2     NA      1       2      2     NA      40      50      NA
1      1     4      2     111010   0  1  0     1      1     NA      NA      2      2      70      80      90
1      2     4      2     111010   0  1  0    NA      2      1       2      2     10     100     110     120


1      1     1      3     010010   0  0  1    10     20     10     200    200    200       1       2       3
1      2     1      3     001000   0  0  1    20     NA     10     200    200    200       4       5       9
1      1     2      3     101000   0  0  1    10     10     NA     200    200    200       7       8      NA
1      2     2      3     011010   0  0  1    NA     20     10     200    200    200      10      11      12


", sep = "", header = TRUE, stringsAsFactors = FALSE)
df


df2 <- df[df$region == 2, names(df) %in% c(paste("C", seq_along(1:3), sep=''))]
df2


#    C1  C2  C3
# 5  10  20  30
# 6  40  50  NA
# 7  70  80  90
# 8 100 110 120
小开

首先< em > < / em >，你可以使用直接索引(与布尔向量)，而不是重新访问列名，如果你正在处理相同的数据帧;正如Ista所指出的那样，它会更安全，而且编写和执行速度更快。所以你只需要:

var.out.bool <- !names(data) %in% c("iden", "name", "x_serv", "m_serv")

然后，简单地重新分配数据:

data <- data[,var.out.bool] # or...
data <- data[,var.out.bool, drop = FALSE] # You will need this option to avoid the conversion to an atomic vector if there is only one column left

< em > < / em >第二，写起来更快，你可以直接将NULL赋值给你想要删除的列:

data[c("iden", "name", "x_serv", "m_serv")] <- list(NULL) # You need list() to respect the target structure.

最后< em > < / em >，你可以使用子集()，但它不能真正在代码中使用(甚至帮助文件警告它)。具体来说，我的一个问题是，如果你想直接使用susbset()的drop特性，你需要写不带引号的表达式对应的列名:

subset( data, select = -c("iden", "name", "x_serv", "m_serv") ) # WILL NOT WORK
subset( data, select = -c(iden, name, x_serv, m_serv) ) # WILL

As a bonus，这里是不同选项的小基准测试，它清楚地表明子集是较慢的，并且第一个，重新分配方法是较快的:

                                        re_assign(dtest, drop_vec)  46.719  52.5655  54.6460  59.0400  1347.331
null_assign(dtest, drop_vec)  74.593  83.0585  86.2025  94.0035  1476.150
subset(dtest, select = !names(dtest) %in% drop_vec) 106.280 115.4810 120.3435 131.4665 65133.780
subset(dtest, select = names(dtest)[!names(dtest) %in% drop_vec]) 108.611 119.4830 124.0865 135.4270  1599.577
subset(dtest, select = -c(x, y)) 102.026 111.2680 115.7035 126.2320  1484.174

Microbench graph

< em > < / em >代码如下:

dtest <- data.frame(x=1:5, y=2:6, z = 3:7)
drop_vec <- c("x", "y")


null_assign <- function(df, names) {
df[names] <- list(NULL)
df
}


re_assign <- function(df, drop) {
df <- df [, ! names(df) %in% drop, drop = FALSE]
df
}


res <- microbenchmark(
re_assign(dtest,drop_vec),
null_assign(dtest,drop_vec),
subset(dtest, select = ! names(dtest) %in% drop_vec),
subset(dtest, select = names(dtest)[! names(dtest) %in% drop_vec]),
subset(dtest, select = -c(x, y) ),
times=5000)


plt <- ggplot2::qplot(y=time, data=res[res$time < 1000000,], colour=expr)
plt <- plt + ggplot2::scale_y_log10() +
ggplot2::labs(colour = "expression") +
ggplot2::scale_color_discrete(labels = c("re_assign", "null_assign", "subset_bool", "subset_names", "subset_drop")) +
ggplot2::theme_bw(base_size=16)
print(plt)
小开

我不能在评论中回答你的问题，因为我的声誉评分很低。

下面的代码将给出一个错误，因为粘贴函数返回一个字符串

for(i in 1:length(var.out)) {
paste("data$", var.out[i], sep="") <- NULL
}

这里有一个可能的解决方案:

for(i in 1:length(var.out)) {


text_to_source <- paste0 ("data$", var.out[i], "<- NULL") # Write a line of your
# code like a character string
eval (parse (text=text_to_source)) # Source a text that contains a code
}

或者直接做:

for(i in 1:length(var.out)) {
data[var.out[i]] <- NULL
}
小开

你也可以尝试dplyr包:

R> df <- data.frame(x=1:5, y=2:6, z=3:7, u=4:8)
R> df
x y z u
1 1 2 3 4
2 2 3 4 5
3 3 4 5 6
4 4 5 6 7
5 5 6 7 8
R> library(dplyr)
R> dplyr::select(df2, -c(x, y))  # remove columns x and y
z u
1 3 4
2 4 5
3 5 6
4 6 7
5 7 8
小开 
df2 <- df[!names(df) %in% c("c1", "c2")]
小开

这里有一个快速的解决方案。假设，你有一个数据帧X，有三列a, B和C:

> X<-data.frame(A=c(1,2),B=c(3,4),C=c(5,6))
> X
A B C
1 1 3 5
2 2 4 6

如果我想删除一个列，比如B，只需在colnames上使用grep来获得列索引，然后可以使用它来省略该列。

> X<-X[,-grep("B",colnames(X))]

你的新X数据帧看起来如下所示(这次没有B列):

> X
A C
1 1 5
2 2 6

grep的美妙之处在于您可以指定多个匹配正则表达式的列。如果X有五列(A,B,C,D,E):

> X<-data.frame(A=c(1,2),B=c(3,4),C=c(5,6),D=c(7,8),E=c(9,10))
> X
A B C D  E
1 1 3 5 7  9
2 2 4 6 8 10

去掉B列和D列:

> X<-X[,-grep("B|D",colnames(X))]
> X
A C  E
1 1 5  9
2 2 6 10

编辑:考虑到Matthew Lundberg在下面的评论中提出的grepl建议:

> X<-data.frame(A=c(1,2),B=c(3,4),C=c(5,6),D=c(7,8),E=c(9,10))
> X
A B C D  E
1 1 3 5 7  9
2 2 4 6 8 10
> X<-X[,!grepl("B|D",colnames(X))]
> X
A C  E
1 1 5  9
2 2 6 10

如果我试图删除一个不存在的列，什么都不会发生:

> X<-X[,!grepl("G",colnames(X))]
> X
A C  E
1 1 5  9
2 2 6 10
小开 
df = mtcars
删除vs和am，因为它们是绝对的。在数据集中 v在第8列，am在第9列

dfnum = df[,-c(8,9)]

小开

如果你确切地知道原始数据框架中的列的名称，称为"df"

cols_to_drop <- c("A", "B", "C")
df_clean = df[,!(names(df) %in% cols_to_drop)]

Src: https://www.listendata.com/2015/06/r-keep-drop-columns-from-data-frame.html


提交答案