按名称删除数据框列

我想从数据框中删除许多列。我知道我们可以使用类似的方法分别删除它们：

df$x <- NULL

但是我希望用更少的命令来做到这一点。

另外，我知道我可以使用整数索引删除列，如下所示：

df <- df[ -c(1, 3:6, 12) ]

但是我担心我的变量的相对位置可能会改变。

考虑到R的强大功能，我认为可能有比逐一删除每一列更好的方法。

您可以使用简单的名称列表：

DF <- data.frame(
  x=1:10,
  y=10:1,
  z=rep(5,10),
  a=11:20
)
drops <- c("x","z")
DF[ , !(names(DF) %in% drops)]

或者，您也可以列出要保留的内容，并按名称引用它们：

keeps <- c("y", "a")
DF[keeps]

编辑：对于那些仍不熟悉drop索引函数参数的用户，如果要保留一列作为数据框，请执行以下操作：

keeps <- "y"
DF[ , keeps, drop = FALSE]

drop=TRUE（或不提及它）将删除不必要的尺寸，因此返回带有column值的向量y。

还有subset一条命令，如果您知道需要哪些列，该命令将非常有用：

df <- data.frame(a = 1:10, b = 2:11, c = 3:12)
df <- subset(df, select = c(a, c))

@hadley发表评论后更新：要删除 a，c列，您可以执行以下操作：

df <- subset(df, select = -c(a, c))

within(df, rm(x))

是最简单的，或者对于多个变量：

within(df, rm(x, y))

或者，如果您要处理data.tables（请参见如何在data.table中按名称删除列？）：

dt[, x := NULL]   # Deletes column x by reference instantly.

dt[, !"x"]   # Selects all but x into a new data.table.

或多个变量

dt[, c("x","y") := NULL]

dt[, !c("x", "y")]

您可以这样使用%in%：

df[, !(colnames(df) %in% c("x","bar","foo"))]

list（NULL）也可以：

dat <- mtcars
colnames(dat)
# [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
# [11] "carb"
dat[,c("mpg","cyl","wt")] <- list(NULL)
colnames(dat)
# [1] "disp" "hp"   "drat" "qsec" "vs"   "am"   "gear" "carb"

如果要通过引用删除列并避免与之关联的内部复制，data.frames则可以使用data.table包和函数:=

您可以将字符向量名称传递给:=运算符的左侧，并NULL作为RHS。

library(data.table)

df <- data.frame(a=1:10, b=1:10, c=1:10, d=1:10)
DT <- data.table(df)
# or more simply  DT <- data.table(a=1:10, b=1:10, c=1:10, d=1:10) #

DT[, c('a','b') := NULL]

如果要在调用外部将名称预先定义为字符向量，请在范围内[包装对象的名称，()或{}强制在调用范围内对LHS进行求值，而不要将其作为范围内的名称DT。

del <- c('a','b')
DT <- data.table(a=1:10, b=1:10, c=1:10, d=1:10)
DT[, (del) := NULL]
DT <-  <- data.table(a=1:10, b=1:10, c=1:10, d=1:10)
DT[, {del} := NULL]
# force or `c` would also work.   

您也可以使用set，它避免了的开销[.data.table，也可以使用data.frames！

df <- data.frame(a=1:10, b=1:10, c=1:10, d=1:10)
DT <- data.table(df)

# drop `a` from df (no copying involved)

set(df, j = 'a', value = NULL)
# drop `b` from DT (no copying involved)
set(DT, j = 'b', value = NULL)

基于grep（）将返回数字矢量这一事实，有一种可能更强大的策略。如果您像我在一个数据集中那样拥有一长串变量，则某些变量以“ .A”结尾，而另一些变量以“ .B”结尾，而您只想要以“ .A”结尾的变量（以及对于所有与任一模式都不匹配的变量，请执行以下操作：

dfrm2 <- dfrm[ , -grep("\\.B$", names(dfrm)) ]

对于当前情况，以Joris Meys为例，它可能不那么紧凑，但可能是：

DF <- DF[, -grep( paste("^",drops,"$", sep="", collapse="|"), names(DF) )]

另一个dplyr答案。如果您的变量具有某些通用的命名结构，则可以尝试starts_with()。例如

library(dplyr)
df <- data.frame(var1 = rnorm(5), var2 = rnorm(5), var3 = rnorm (5), 
                 var4 = rnorm(5), char1 = rnorm(5), char2 = rnorm(5))
df
#        var2      char1        var4       var3       char2       var1
#1 -0.4629512 -0.3595079 -0.04763169  0.6398194  0.70996579 0.75879754
#2  0.5489027  0.1572841 -1.65313658 -1.3228020 -1.42785427 0.31168919
#3 -0.1707694 -0.9036500  0.47583030 -0.6636173  0.02116066 0.03983268
df1 <- df %>% select(-starts_with("char"))
df1
#        var2        var4       var3       var1
#1 -0.4629512 -0.04763169  0.6398194 0.75879754
#2  0.5489027 -1.65313658 -1.3228020 0.31168919
#3 -0.1707694  0.47583030 -0.6636173 0.03983268

如果要在数据框中删除一系列变量，可以使用:。例如，如果您想删除var2，var3以及介于两者之间的所有变量，则只剩下var1：

df2 <- df1 %>% select(-c(var2:var3) )  
df2
#        var1
#1 0.75879754
#2 0.31168919
#3 0.03983268

另一种可能性：

df <- df[, setdiff(names(df), c("a", "c"))]

要么

df <- df[, grep('^(a|c)$', names(df), invert=TRUE)]

DF <- data.frame(
  x=1:10,
  y=10:1,
  z=rep(5,10),
  a=11:20
)
DF

输出：

    x  y z  a
1   1 10 5 11
2   2  9 5 12
3   3  8 5 13
4   4  7 5 14
5   5  6 5 15
6   6  5 5 16
7   7  4 5 17
8   8  3 5 18
9   9  2 5 19
10 10  1 5 20

DF[c("a","x")] <- list(NULL)

输出：

        y z
    1  10 5
    2   9 5
    3   8 5
    4   7 5
    5   6 5
    6   5 5
    7   4 5
    8   3 5    
    9   2 5
    10  1 5

Dplyr解决方案

我怀疑这会在这里引起很多关注，但是如果您有要删除的列列表，并且想在dplyr链中使用one_of()它，select子句中：

这是一个简单的可复制示例：

undesired <- c('mpg', 'cyl', 'hp')

mtcars <- mtcars %>%
  select(-one_of(undesired))

可以通过运行?one_of或此处找到文档：

http://genomicsclass.github.io/book/pages/dplyr_tutorial.html

出于兴趣，这标记了R奇怪的多个语法不一致之一。例如，给定一个两列的数据帧：

df <- data.frame(x=1, y=2)

这给出了一个数据框

subset(df, select=-y)

但这给出了一个向量

df[,-2]

所有这些都在其中进行了解释，?[但这并不是完全预期的行为。好吧至少对我来说...

这是dplyr解决方法：

#df[ -c(1,3:6, 12) ]  # original
df.cut <- df %>% select(-col.to.drop.1, -col.to.drop.2, ..., -col.to.drop.6)  # with dplyr::select()

我之所以喜欢它，是因为它无需注释即可阅读和理解，并且对更改数据框内的列的鲁棒性很直观。它还遵循矢量化习惯用法，-用于删除元素。

我一直认为必须有一个更好的习惯用法，但是为了按名称减去列，我倾向于执行以下操作：

df <- data.frame(a=1:10, b=1:10, c=1:10, d=1:10)

# return everything except a and c
df <- df[,-match(c("a","c"),names(df))]
df

dropNamed()Bernd Bischl的BBmisc程序包中有一个函数可以完全做到这一点。

BBmisc::dropNamed(df, "x")

优点是它避免了重复数据帧参数，因此适用于管道传输magrittr（就像dplyr方法一样）：

df %>% BBmisc::dropNamed("x")

如果您不想使用上面的@hadley，则可以采用另一种解决方案：如果“ COLUMN_NAME”是您要删除的列的名称：

df[,-which(names(df) == "COLUMN_NAME")]

除了select(-one_of(drop_col_names))前面的答案中展示的以外，还有其他一些dplyr用于删除列的选项，这些选项select()不涉及定义所有特定的列名称（使用dplyr starwars示例数据来获取某些列名称）：

library(dplyr)
starwars %>% 
  select(-(name:mass)) %>%        # the range of columns from 'name' to 'mass'
  select(-contains('color')) %>%  # any column name that contains 'color'
  select(-starts_with('bi')) %>%  # any column name that starts with 'bi'
  select(-ends_with('er')) %>%    # any column name that ends with 'er'
  select(-matches('^f.+s$')) %>%  # any column name matching the regex pattern
  select_if(~!is.list(.)) %>%     # not by column name but by data type
  head(2)

# A tibble: 2 x 2
homeworld species
  <chr>     <chr>  
1 Tatooine  Human  
2 Tatooine  Droid 

如果您需要删除数据帧中可能存在或可能不存在的列，则使用select_if()此方法one_of()会稍有不同，与之不同的是，Unknown columns:如果列名不存在，则使用using 不会发出警告。在此示例中，“ bad_column”不是数据框中的列：

starwars %>% 
  select_if(!names(.) %in% c('height', 'mass', 'bad_column'))

提供数据框和用逗号分隔的字符串以删除：

remove_features <- function(df, features) {
  rem_vec <- unlist(strsplit(features, ', '))
  res <- df[,!(names(df) %in% rem_vec)]
  return(res)
}

用法：

remove_features(iris, "Sepal.Length, Petal.Width")

使用查找要删除的列的索引which。给这些索引加上负号（*-1）。然后是这些值的子集，这会将它们从数据框中删除。这是一个例子。

DF <- data.frame(one=c('a','b'), two=c('c', 'd'), three=c('e', 'f'), four=c('g', 'h'))
DF
#  one two three four
#1   a   d     f    i
#2   b   e     g    j

DF[which(names(DF) %in% c('two','three')) *-1]
#  one four
#1   a    g
#2   b    h

如果您的data.frame内存很大而内存不足[ 。 。 。 。或rm和within，如目前（R 3.6.2）所述，使用更多内存来删除a的列data.framesubset -在手册的提示下可以subset交互使用。

getData <- function() {
  n <- 1e7
  set.seed(7)
  data.frame(a = runif(n), b = runif(n), c = runif(n), d = runif(n))
}

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF <- DF[setdiff(names(DF), c("a", "c"))] ##
#DF <- DF[!(names(DF) %in% c("a", "c"))] #Alternative
#DF <- DF[-match(c("a","c"),names(DF))]  #Alternative
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#0.1 MB are used

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF <- subset(DF, select = -c(a, c)) ##
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#357 MB are used

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF <- within(DF, rm(a, c)) ##
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#0.1 MB are used

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF[c("a", "c")]  <- NULL ##
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#0.1 MB are used