R - 基本子集：保留较大数据框的一些变量答案

【问题标题】：R - basic subsetting: keeping some variables of a larger data frameR - 基本子集：保留较大数据框的一些变量
【发布时间】：2014-06-11 14:51:36
【问题描述】：

我正在学习 R 的基础知识，并想了解该语言在特定情况下所做的基本假设。

核心问题： 1. 为什么下面的方法2会返回错误？ 2. 为什么下面的方法 3 按字母顺序排列变量？

在具有以下变量的数据框“数据”中

Zeta    Alpha    Gamma    Delta    Sum    Mean    Corr

我正在尝试对变量“Zeta”、“Delta”、“Sum”、“Mean”和“Corr”进行子集化。

“方法一”（成功）：

> newdata <- data[c(1, 4:7)]

“方法 2”（错误）：

> myvars <- paste(data[c(1, 4:7)], sep="")
> newdata <- data[myvars]
Error in `[.data.frame`(data, myvars) : undefined columns selected

我认为这与将值粘贴到字符的事实有关，但我不清楚这将如何影响函数。

“方法 3”（有效，但按字母顺序排列输出）：

> myvars <- paste(ls(data[1, 4:7]), sep = "")
> newdata <- data[myvars]

【问题讨论】：

What is the most efficient way to select a set of variable names from an R data.frame?的可能重复
@user2926101 这有帮助 - 谢谢。但我重组了 Q 来解释我的实际意思。
你有以下向量吗？ data <- c('Zeta', 'Alpha', 'Gamma', 'Delta', 'Sum', 'Mean', 'Corr') 如果您有一个数据框并且只是提供变量的名称，请考虑添加示例数据。
我不确定您期望方法 2 做什么。只需运行paste(data[c(1,4:7)], sep="") 以查看它返回的内容以及它为什么不起作用。为什么不直接做data[c("Zeta", "Delta", "Sum", "Mean", "Corr")]？
以此为例。我可以制作那个向量，但我打算使用有很多很多变量的集合。我希望 R 阅读它们，而不是输入所有它们。

【解决方案1】：

我真的不明白你为什么要在这里使用paste()。此函数通常仅用于连接字符值。

方法 2 返回错误，因为 paste(data[c(1, 4:7)], sep="") 返回 c("1", "4", "5", "6", "7") 这是一个字符向量，当您使用字符向量索引时，R 按名称而不是位置查找值，因为没有名为“1 " 或 "4" 在你的 data.frame 中，你会得到错误 "undefined columns selected"
方法 3 按字母顺序排列列，因为ls() 按字母顺序排列结果。就像你对paste 的使用一样，这是对ls() 的一个非常奇怪的使用。通常，此函数用于列出特定环境中的所有变量和函数。使用它们来提取列名可能不是最好的用途。

所以如果你的数据看起来像

data <- data.frame(Zeta=1, Alpha=2, Gamma=3, 
    Delta=4, Sum=5, Mean=6, Corr=7)

那么获取数据的更常用方法是

myvars <- names(data)[c(1, 4:7)]
data[myvars]

【讨论】：

非常好 - 谢谢。我刚刚使用 myvars
回复：为什么要粘贴 - 互联网告诉我：statmethods.net/management/subset.html
@toandthrough 我使用了名称，因为paste 和ls 搞得一团糟，我认为您真的想按列名而不是数字索引来索引。使用data[c(1, 4:7)] 就好了。在该链接上使用paste 是出于非常不同的目的。他们想要列“V1”、“V2”和“V3”，但他们没有输入它们，而是使用paste("V", 1:3", sep="") 来生成名称向量。
如果您想了解更多有关 R 工作原理的信息，我建议您在不使用 <- 的情况下输入 paste("v", 1:3, sep="") 和 paste(data[c(1,4:7)], sep="") 之类的内容，以查看 R 正在做什么。

【解决方案2】：

我会避免使用列索引。如果您的数据发生更改或列重新排列，您的代码可能会中断。

myvars <- c("Zeta", "Delta", "Sum", "Mean", "Corr")
newdata <- data[, myvars]

或者你可以使用dplyr:

newdata <- select(data, Zeta, Delta, Sum, Mean, Corr)

【讨论】：