选择或子集列总和不为零的变量

Question

我想在列总和不为零的数据框中选择或子集变量，但也保留其他因子变量。它应该相当简单，但我不知道如何使用dplyr 对变量子集运行select_if() 函数：

df <- data.frame(
  A = c("a", "a", "b", "c", "c", "d"),
  B = c(0, 0, 0, 0, 0, 0),
  C = c(3, 0, 0, 1, 1, 2),
  D = c(0, 3, 2, 1, 4, 5)
)

require(dplyr)
df %>% 
  select_if(funs(sum(.) > 0))

#Error in Summary.factor(c(1L, 1L, 2L, 3L, 3L, 4L), na.rm = FALSE) : 
#  ‘sum’ not meaningful for factors

然后我尝试只选择B, C, D，这可行，但我不会有变量A：

df %>% 
  select(-A) %>% 
  select_if(funs(sum(.) > 0)) -> df2
df2
#  C D
#1 3 0
#2 0 3
#3 0 2
#4 1 1
#5 1 4
#6 2 5

我可以简单地做cbind(A = df$A, df2)，但由于我有一个包含 3000 行和 200 列的数据集，我担心这可能会引入错误（例如，如果值排序不同）。

尝试在sum() 函数中对变量B, C, D 进行子集化也不起作用：

df %>% 
  select_if(funs(sum(names(.[2:4])) > 0))
#data frame with 0 columns and 6 rows

Answer 1

试试这个：

df %>% select_if(~ !is.numeric(.) || sum(.) != 0)
#   A C D
# 1 a 3 0
# 2 a 0 3
# 3 b 0 2
# 4 c 1 1
# 5 c 1 4
# 6 d 2 5

基本原理是，对于||，如果左侧是TRUE，则不会评估右侧。

注意：

• select_if 的第二个参数应该是函数名称或公式（lambda 函数）。 ~ 是告诉select_if !is.numeric(.) || sum(.) != 0 应该转换为函数的必要条件。
• 正如@zx8754 在下面评论的那样，如果只想保留factor 列，则应使用is.factor(.)。

---

编辑：基础 R 解决方案

cols <- c('B', 'C', 'D')
cols.to.keep <- cols[colSums(df[cols]) != 0]
df[!names(df) %in% cols || names(df) %in% cols.to.keep]

Answer 2

对于想要使用没有作用域变体的新 dplyr 1.0.0（如 @mt1022 很好地展示但已弃用的 select_if）的每个人来说，这里是一个更新：

df %>% 
  select(where(is.numeric)) %>% 
  select(where(~sum(.) != 0))

如果您想将两个 select 语句压缩为一个，则不能通过元素方式 & 而是更长的形式 && 来执行此操作，因为这会产生所需的布尔输出：

df %>% select(where(~ is.numeric(.x) && sum(.x) !=0 ))

Answer 3

这是一个使用 data.table 的解决方案

df<-data.table(
  A = c("a", "a", "b", "c", "c", "d"),
  B = c(0, 0, 0, 0, 0, 0),
  C = c(3, 0, 0, 1, 1, 2),
  D = c(0, 3, 2, 1, 4, 5)
)

df2<-df[,lapply(X = .SD,FUN = function(x){sum(as.numeric(x))}),.SDcols = colnames(df)]
df[,which(is.na(df[1,]) == F),with = F]