【发布时间】：2012-04-22 13:40:18
【问题描述】：
我有一个包含 6 列的 R 数据框，我想创建一个只有三列的新数据框。
假设我的数据框是df，我想提取列A、B 和E，这是我能弄清楚的唯一命令：
data.frame(df$A,df$B,df$E)
有没有更简洁的方法？
【问题讨论】：
【发布时间】：2012-04-22 13:40:18
【问题描述】：
您可以使用列名向量进行子集化。我非常喜欢这种方法，而不是那些将列名视为对象名的方法（例如subset()），尤其是在函数、包或应用程序中编程时。
# data for reproducible example
# (and to avoid confusion from trying to subset `stats::df`)
df <- setNames(data.frame(as.list(1:5)), LETTERS[1:5])
# subset
df[c("A","B","E")]
注意没有逗号（即不是df[,c("A","B","C")]）。那是因为df[,"A"] 返回一个向量，而不是一个数据框。但是df["A"] 总会返回一个数据框。
str(df["A"])
## 'data.frame': 1 obs. of 1 variable:
## $ A: int 1
str(df[,"A"]) # vector
## int 1
感谢David Dorchies 指出df[,"A"] 返回一个向量而不是data.frame，并感谢Antoine Fabri 为我的原始解决方案（下）提出更好的替代方案（上）。
# subset (original solution--not recommended)
df[,c("A","B","E")] # returns a data.frame
df[,"A"] # returns a vector
【讨论】：
-
这给出了错误
object of type 'closure' is not subsettable。 -
@ArenCambre：那么你的 data.frame 并没有真正命名为
df。df也是stats包中的一个函数。 -
@Cina：因为
-"A"是语法错误。而?Extract说，“i、j、...也可以是负整数，表示要从选择中忽略的元素/切片。” -
这种语法存在问题，因为如果我们只提取一列 R，则返回一个向量而不是数据帧，这可能是不需要的：
> df[,c("A")][1] 1。使用subset没有这个缺点。
有两个明显的选择：Joshua Ulrich 的df[,c("A","B","E")] 或
df[,c(1,2,5)]
如
> df <- data.frame(A=c(1,2),B=c(3,4),C=c(5,6),D=c(7,7),E=c(8,8),F=c(9,9))
> df
A B C D E F
1 1 3 5 7 8 9
2 2 4 6 7 8 9
> df[,c(1,2,5)]
A B E
1 1 3 8
2 2 4 8
> df[,c("A","B","E")]
A B E
1 1 3 8
2 2 4 8
【讨论】：
这是subset()函数的作用：
> dat <- data.frame(A=c(1,2),B=c(3,4),C=c(5,6),D=c(7,7),E=c(8,8),F=c(9,9))
> subset(dat, select=c("A", "B"))
A B
1 1 3
2 2 4
【讨论】：
-
当我用我的数据尝试这个时，我得到了错误：“ x[j] 中的错误：无效的下标类型 'list'” 但是如果 c("A", "B") 是不是列表，是什么？
-
@Rafael_Espericueta 如果不查看您的代码，很难猜到...但是
c("A", "B")是一个向量，而不是一个列表。 -
它将数据框转换为列表。
使用dplyr 包，如果你的data.frame 被称为df1：
library(dplyr)
df1 %>%
select(A, B, E)
这也可以在没有%>% 管道的情况下写成：
select(df1, A, B, E)
【讨论】：
-
鉴于自发布我的问题以来 Tidyverse 的巨大发展，我已将答案转给您。
-
鉴于 tidyverse 的剧烈变化速度，我会告诫不要使用这种模式。这是我强烈反对在为函数、包或应用程序编写代码时将列名视为对象名的强烈偏好。
-
这个答案提交已经四年多了，模式没有改变。管道表达式可以非常直观，这就是它们吸引人的原因。
-
您可以将管道链接在一起，例如：
df1 %>% select(A, B, E) %>% rowMeans(.)。通过键入?magrittr::`%>%`查看%>%管道的文档 -
这是一个有用的解决方案，但对于问题中给出的示例，Josh 的答案更具可读性、更快且无依赖性。我希望新用户在深入研究 tidyverse 之前学习方括号子集 :)！
df1 是您的原始数据框：
df2 <- subset(df1, select = c(1, 2, 5))
【讨论】：
-
这不使用
dplyr。它使用base::subset，与Stephane Laurent's answer 相同，只是使用列号而不是列名。
[ 和子集不可替代：
[ 确实会在仅选择一列时返回一个向量。
df = data.frame(a="a",b="b")
identical(
df[,c("a")],
subset(df,select="a")
)
identical(
df[,c("a","b")],
subset(df,select=c("a","b"))
)
【讨论】：
-
如果您设置了
drop=FALSE，则不会。示例：df[,c("a"),drop=F]
您还可以使用sqldf 包对 R 数据帧执行选择：
df1 <- sqldf("select A, B, E from df")
这给出了一个数据框df1 的输出，其列：A、B、E。
【讨论】：
只是出于某种原因
df[, (names(df) %in% c("A","B","E"))]
为我工作。上述所有语法都产生了“未定义的列选择”。
【讨论】：
你可以使用with：
with(df, data.frame(A, B, E))
【讨论】：
df<- dplyr::select ( df,A,B,C)
此外，您可以为新创建的数据分配不同的名称
data<- dplyr::select ( df,A,B,C)
【讨论】：
-
这已经在接受的答案中