Удалить столбцы фрейма данных по имени

Вы можете использовать простой список имен:

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)]

Или, в качестве альтернативы, вы можете составить список тех, которые нужно сохранить, и ссылаться на них по имени:

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

РЕДАКТИРОВАТЬ: для тех, кто еще не знаком с аргументом drop функции индексации, если вы хотите сохранить один столбец в качестве фрейма данных, вы делаете:

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

drop=TRUE (или не упоминая об этом) удалит ненужные измерения и, следовательно, вернет вектор со значениями столбца y.

Также есть команда subset, полезная, если вы знаете, какие столбцы вам нужны:

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

ОБНОВЛЕНО после комментария @hadley: Чтобы удалить столбцы a, c, вы можете сделать:

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

within(df, rm(x))

вероятно, самый простой или для нескольких переменных:

within(df, rm(x, y))

Или, если вы имеете дело с data.tables (согласно как удалить столбец по имени в data.table?):

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

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

или для нескольких переменных

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

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

Вы можете использовать %in% так:

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

list (NULL) также работает:

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"

Если вы хотите удалить столбцы по ссылке и избежать внутреннего копирования, связанного с data.frames, вы можете использовать пакет data.table и функцию :=

Вы можете передать имена векторов символов в левую часть оператора := и NULL в качестве 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]

Если вы хотите предопределить имена как вектор символов вне вызова [, оберните имя объекта в () или {}, чтобы заставить LHS оцениваться в области вызова, а не как имя в области 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.   

Вы также можете использовать set, что позволяет избежать накладных расходов, связанных с [.data.table, , а также работает для 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)

Существует потенциально более мощная стратегия, основанная на том факте, что grep () вернет числовой вектор. Если у вас есть длинный список переменных, как у меня в одном из моих наборов данных, некоторые переменные заканчиваются на ".A", а другие заканчиваются на ".B", и вам нужны только те, которые заканчиваются на ".A" (вместе со всеми переменными, которые не соответствуют ни одному из шаблонов, сделайте следующее:

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

В нашем случае, используя пример Джориса Мейса, он может быть не таким компактным, но будет:

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

Еще один dplyr ответ. Если у ваших переменных есть общая структура именования, вы можете попробовать starts_with(). Например

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

Если вы хотите удалить последовательность переменных во фрейме данных, вы можете использовать :. Например, если вы хотите удалить var2, var3 и все переменные между ними, вам останется только var1:

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

Решение Dplyr

Я сомневаюсь, что здесь будет много внимания, но если у вас есть список столбцов, которые вы хотите удалить, и вы хотите сделать это в цепочке dplyr, я использую one_of() в предложении select:

Вот простой воспроизводимый пример:

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

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

Документацию можно найти, запустив ?one_of или здесь:

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

Другая возможность:

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

or

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

Вывод:

    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)

Вывод:

        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

Ради интереса это указывает на одну из странных множественных несоответствий синтаксиса R. Например, учитывая фрейм данных с двумя столбцами:

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

Это дает фрейм данных

subset(df, select=-y)

но это дает вектор

df[,-2]

Все это объясняется в ?[, но это не совсем ожидаемое поведение. Ну, по крайней мере, для меня ...

Вот способ dplyr сделать это:

#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()

Мне это нравится, потому что он интуитивно понятен для чтения и понимания без аннотаций и устойчив к изменению положения столбцов во фрейме данных. Он также следует векторизованной идиоме с использованием - для удаления элементов.

Я продолжаю думать, что должна быть идиома получше, но для вычитания столбцов по имени я обычно делаю следующее:

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

В пакете Bernd Bischl BBmisc есть функция dropNamed(), которая делает именно это.

BBmisc::dropNamed(df, "x")

Преимущество состоит в том, что он позволяет избежать повторения аргумента фрейма данных и, таким образом, подходит для конвейерной передачи в magrittr (точно так же, как подходы dplyr):

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

Другое решение, если вы не хотите использовать @ hadley выше: если "COLUMN_NAME" - это имя столбца, который вы хотите удалить:

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

Помимо select(-one_of(drop_col_names)), продемонстрированных в более ранних ответах, существует пара других dplyr вариантов удаления столбцов с использованием select(), которые не включают определение всех конкретных имен столбцов (с использованием образцов данных dplyr starwars для некоторого разнообразия имен столбцов):

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 

Если вам нужно отбросить столбец, который может существовать или не существовать во фрейме данных, вот небольшой поворот с использованием select_if(), который, в отличие от использования one_of(), не будет выдавать предупреждение Unknown columns:, если имя столбца не существует. В этом примере bad_column не является столбцом во фрейме данных:

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

Предоставьте фрейм данных и строку разделенных запятыми имен, которые нужно удалить:

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

Использование:

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

Найдите индекс столбцов, которые вы хотите удалить, используя which. Присвойте этим индексам знак минус (*-1). Затем подмножество этих значений, которое удалит их из фрейма данных. Это пример.

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

Если у вас большой data.frame и мало памяти, используйте [ . . . . или rm и within, чтобы удалить столбцы data.frame , поскольку subset в настоящее время (R 3.6.2) использует больше памяти - помимо подсказки в руководстве, чтобы использовать subset в интерактивном режиме.

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