20

我正在处理一个包含社区数据的数据集，并且许多列（物种）有很多零。我希望能够根据整列的总和删除这些列以进行我正在做的一些分析。我很想用 for 循环来做到这一点，但我听说当你使用 R 时，apply 和 by 函数会更好。我的目标是删除总和小于 15 的所有列。我曾经which()删除按因子排列，例如，

September<-which(data$Time_point=="September")

data<-data[-September,]

我尝试删除列的两种方法是使用apply()：

data<-data[,apply(data,2,function(x)sum(x<=15))]

并通过使用凌乱的 for 循环/if else 组合：

for (i in 6:length(data)){
    if (sum(data[,i])<=15)
    data[,i]<-NULL
    else 
    data[,i]<-data[,i]
    }

这些方法都没有奏效。当然有一种优雅的方法可以根据逻辑标准摆脱列？

str(head(data,10))
'data.frame':   10 obs. of  23 variables:
 $ Core_num    : Factor w/ 159 levels "152","153","154",..: 133 72 70 75 89 85 86 90 95 99
 $ Cage_num    : num  0 1 2 3 4 5 6 7 8 9
 $ Treatment   : Factor w/ 4 levels "","C","CC","NC": 1 2 2 2 2 2 2 2 2 2
 $ Site        : Factor w/ 10 levels "","B","B07","B08",..: 1 8 8 8 7 7 7 7 9 9
 $ Time_point  : Factor w/ 3 levels "","May","September": 1 2 2 2 2 2 2 2 2 2
 $ Spionidae   : num  108 0 0 0 0 0 0 0 0 0
 $ Syllidae    : num  185 0 0 0 3 8 0 1 4 1
 $ Opheliidae  : num  424 0 1 0 0 0 1 1 0 0
 $ Cossuridae  : num  164 0 7 3 0 0 0 0 0 0
 $ Sternaspidae: num  214 0 0 6 1 0 11 9 0 0
 $ Sabellidae  : num  1154 0 2 2 0 ...
 $ Capitellidae: num  256 1 10 17 0 3 0 0 0 0
 $ Dorvillidae : num  21 1 0 0 0 0 0 0 0 0
 $ Cirratulidae: num  17 0 0 0 0 0 0 0 0 0
 $ Oligochaeta : num  3747 12 41 27 32 ...
 $ Nematoda    : num  410 5 4 13 0 0 0 2 2 0
 $ Sipuncula   : num  33 0 0 0 0 0 0 0 0 0
 $ Ostracoda   : num  335 0 1 0 0 0 0 0 0 0
 $ Decapoda    : num  62 0 4 0 1 0 0 0 0 0
 $ Amphipoda   : num  2789 75 17 34 89 ...
 $ Copepoda    : num  75 0 0 0 0 0 0 0 0 0
 $ Tanaidacea  : num  84 0 0 0 1 0 0 0 0 0
 $ Mollusca    : int  55 0 4 0 0 0 0 0 0 0
4

4 回答 4

23

一个简单的子集呢？首先，我们创建一个简单的数据框L

R> dd = data.frame(x = runif(5), y = 20*runif(5), z=20*runif(5))

然后选择总和大于15的列

R> dd1 = dd[,colSums(dd) > 15]
R> ncol(dd1)
[1] 2

在您的数据集中，您只想对第 6 列开始进行子集化，例如：

 ##Drop the first five columns
 dd[,colSums(dd[,6:ncol(dd)]) > 15]

或者

 #Keep the first six columns
 cols_to_drop = c(rep(TRUE, 5), dd[,6:ncol(dd)]>15)
 dd[,cols_to_drop]

应该管用。

需要注意的关键部分是，在方括号中，我们需要一个逻辑向量，即 TRUE 和 FALSE 的向量。因此，如果您想使用更复杂的东西进行子集化，请创建一个返回 TRUE 或 FALSE 的函数，并像往常一样创建子集。

于 2012-05-15T20:18:53.563 回答
5

我刚刚遇到了同样的问题。这是使用 Tidyverse 的解决方案，以防您同时具有数字列和非数字列：

library(tidyverse)    
set.seed(123)
dat <- data.frame(var1 = runif(10), var2 = rnorm(10), var3 = rlnorm(10), var4 = "notNumeric", var5 =0, var6 = FALSE )

dat %>% 
  select_if(negate(function(col) is.numeric(col) && sum(col) < 15))
于 2019-08-30T12:32:49.627 回答
3

您应该能够使用布尔值直接索引您的 data.frame 和colSums(). 例如：

set.seed(123)
dat <- data.frame(var1 = runif(10), var2 = rnorm(10), var3 = rlnorm(10))
colSums(dat)
#-----
     var1      var2      var3 
 5.782475  1.317914 12.91987
#Let's set the threshold at 5, so we should get var1 and var3
> dat[, colSums(dat) > 5]
#-----
        var1      var3
1  0.2875775 5.9709924
2  0.7883051 1.6451811
3  0.4089769 0.1399294
...

编辑 - 解决非​​数字列

set.seed(123)
dat <- data.frame(var1 = runif(10), var2 = rnorm(10), var3 = rlnorm(10), var4 = "notNumeric")

require(plyr)
dat[, -which(numcolwise(sum)(dat) < 5)]

Consolec:/文档和设置/charles/desktop/

> dat[, -which(numcolwise(sum)(dat) < 5)]
        var1      var3       var4
1  0.2875775 5.9709924 notNumeric
2  0.7883051 1.6451811 notNumeric
3  0.4089769 0.1399294 notNumeric
.....
于 2012-05-15T20:19:02.370 回答
3

这将返回不包含所有零的列，包括因子和字符列（我只在数据的第一行中读取）：

读入一些数据：

dat <- read.table(text="  Core_num Cage_num Treatment Site Time_point Spionidae Nereididae Syllidae Opheliidae
6        24        1         C   M2        May         0          0        0          0
4        22        2         C   M2        May         0          0        0          1
9        27        3         C   M2        May         0          0        0          0
23       41        4         C    M        May         0          0        3          0
19       37        5         C    M        May         0          0        8          0
20       38        6         C    M        May         0          0        0          1",  header=T)

编码：

summer <- function(x){
    if(is.numeric(x)){
        sum(x) > 15
    } else {
        TRUE
    }
}

dat[, sapply(dat,  summer)]
于 2012-05-15T20:25:47.373 回答