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。

此外,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) ]


但是我担心变量的相对位置可能会发生变化。

鉴于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。

评论

有人可以向我解释为什么R没有像df#drop(var_name)这样简单的东西,而是我们需要做这些复杂的变通方法吗?

@ ifly6 R中的'subset()'函数与Python中的'drop()'函数差不多,只是您不需要指定axis参数...我同意这很烦人,只是一个全面的,最终的,简单易用的关键字/语法,用于一些基本的操作,例如删除一列。

#1 楼

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名称,并按名称引用它们:

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


编辑:
对于仍不熟悉索引功能的drop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y列值的向量。

评论


子集函数效果更好,因为它不会将具有一列的数据帧转换为向量

– mut1na
13年6月28日在9:06

@ mut1na检查索引函数的参数drop = FALSE。

– Joris Meys
13年6月28日在10:10

那不是DF [,keeps]而不是DF [keeps]吗?

– lindelof
2014-10-28 13:53

@lindelof不。可以,但是如果仅选择一个列,则必须添加drop = FALSE,以防止R将数据帧转换为向量。别忘了数据框是列表,因此列表选择(像我所做的那样是一维的)效果很好,并且总是返回列表。还是这种情况下的数据帧,这就是为什么我更喜欢使用它。

– Joris Meys
2014年10月28日19:05

@AjayOhri是的,会的。如果不使用逗号,则使用“列表”选择方式,这意味着即使提取单个列,也仍然会返回数据框。如果使用“矩阵”方式,则应注意,如果仅选择单个列,则将获得向量而不是数据框。为了避免这种情况,您需要添加drop = FALSE。如我的回答以及您上方的评论中所述...

– Joris Meys
15年7月7日在13:55

#2 楼

还有一个subset命令,如果您知道要哪些列,则很有用: br />
df <- data.frame(a = 1:10, b = 2:11, c = 3:12)
df <- subset(df, select = c(a, c))


评论


我真的希望R子集函数具有“ allbut = FALSE”之类的选项,该选项在设置为TRUE时“反转”选择,即保留除选择列表中的所有列之外的所有列。

– Prasad Chalasani
2011年1月5日14:56

@prasad,请参阅下面的@joris答案。没有任何子集条件的子集有点过大。简单尝试:df [c(“ a”,“ c”)]

–JD Long
2011年1月5日15:16



@JD我知道这一点,但是我喜欢子集命令的语法方便性,在该语法中,您不需要在列名称周围加上引号-我想我不介意输入一些额外的字符,只是避免引用名称:)

– Prasad Chalasani
2011年1月5日15:18

请注意,您不应在其他函数中使用子集。

–阿里·弗里德曼(Ari B. Friedman)
2012年10月3日14:42

@mac stackoverflow.com/questions/12850141 / ...

–阿里·弗里德曼(Ari B. Friedman)
13年9月30日在18:33

#3 楼

within(df, rm(x))


可能是最简单的,或者对于多个变量:

within(df, rm(x, y))


或者如果您要处理data.table s(请参阅如何删除在data.table中按名称列?):

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

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


或用于多个变量

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

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


评论


到目前为止,inner(df,rm(x))是最干净的解决方案。鉴于这是可能的,其他所有答案似乎都不必要地复杂一个数量级。

–Miles Erickson
2015年10月2日1:00



请注意,如果在df中有重复的名为x的列,则inner(df,rm(x))将不起作用。

–MichaelChirico
16年7月15日在19:51

@MichaelChirico进行澄清,它既未删除,但似乎更改了数据的值。如果是这种情况,则会遇到更大的问题,但这是一个示例:df <-data.frame(x = 1,y = 2); names(df)<-c(“ x”,“ x”); inside(df,rm(x))返回data.frame(x = 2,x = 2)。

– Max Ghenis
17 Mar 10 '17 at 22:23

@MilesErickson问题是您依赖一个内部函数,该函数既强大又使用NSE。帮助页面上的注释清楚地表明,在编程时应格外小心。

– Joris Meys
18/12/13在13:45

@MilesErickson人们多久会遇到一个名称重复的数据框?

–HSchmale
19年1月3日,19:26

#4 楼

您可以像这样使用%in%

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


评论


我是否缺少某些东西,或者这实际上与乔里斯回答的第一部分是相同的解决方案? DF [,!(names(DF)%in%drops)]

–丹尼尔·弗莱彻(Daniel Fletcher)
16年4月28日在5:46

@DanielFletcher:一样。查看答案上的时间戳。我们在5年前同时回答。 :)

–约书亚·乌尔里希(Joshua Ulrich)
16年4月28日在13:01

坚果相同(post_time_1,post_time_2)[1]是= D

–丹尼尔·弗莱彻(Daniel Fletcher)
16-4-30的2:47

#5 楼

list(NULL)也可以使用:

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"


评论


辉煌!这以一种自然的方式将NULL赋值扩展到单个列,并且(似乎)避免了复制(尽管我不知道幕后发生的事情,因此它在内存使用方面可能没有更高的效率……但是在我看来语法上更有效。)

–c-urchin
2014年5月20日下午16:15

您不需要list(NULL),NULL就足够了。例如:dat [,4] = NULL

–库辛可卡因
2014年7月7日在8:29

OP的问题是如何删除多个列。 dat [,4:5] <-NULL无效。这就是list(NULL)出现的地方。它适用于1个或更多列。

– Vincent
2014年9月16日下午0:01

尝试删除重复的列名时,这也不起作用。

–MichaelChirico
16年7月15日在19:58

@MichaelChirico对我来说很好。如果要删除具有相同名称的第一列,请给标签,或者为要删除的每一列提供索引。如果您有一个不起作用的示例,那么我将很感兴趣地看到它。也许将其发布为新问题?

– Vincent
16年7月15日在22:47

#6 楼

如果要通过引用删除列并避免与data.frames相关的内部复制,则可以使用data.table软件包和函数:=

您可以将字符向量名称传递到:=的左侧

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]


如果要在对NULL的调用之外将名称预先定义为字符向量,请将对象的名称包装在[中或()强制在调用范围内评估LHS而不是{}范围内的名称。

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.   


还可以使用DT,这样可以避免开销适用于set,也适用于[.data.table

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)


#7 楼

根据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(以及对于所有与两个模式都不匹配的变量,请执行以下操作:

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


对于手头的情况,使用Joris Meys示例,它可能不那么紧凑,而是:

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


评论


如果我们首先将drop定义为paste0(“ ^”,drop_cols,“ $”),则使用sapply会更好(阅读:更紧凑):DF [,-sapply(drops,grep,names(DF)) ]

–MichaelChirico
16-4-13在20:31



#8 楼

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,则可以使用:。例如,如果您要删除var2var3以及它们之间的所有变量,则只剩下var1

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


评论


不要忘记select()附带的所有其他机会,例如contains()或matches(),它们也接受正则表达式。

– ha-pu
19年3月1日在17:31

#9 楼

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的列表,并且希望在dplyr链中进行操作,我会在one_of()中使用select子句:

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

#10 楼

另一种可能性:

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




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


评论


遗憾的是,不能更进一步,因为setdiff是最佳选择,尤其是在列数非常多的情况下。

–ctbrown
2014年3月25日在21:42

另一个角度:df <-df [,-which(grepl('a | c',names(df)))]

–乔
16年4月21日在9:44

#11 楼

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


#12 楼

出于兴趣,这标记了R奇怪的多个语法不一致之一。例如,给定一个两列数据框:

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


这给出一个数据框

subset(df, select=-y)


但是这给出了一个向量

df[,-2]


?[中对此进行了解释,但这并不是完全预期的行为。好吧至少对我来说...

#13 楼

这是一种dplyr的解决方法:

#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()


我喜欢这种方式,因为它直观且无需注释即可阅读和理解,并且对更改数据框中列的位置具有鲁棒性。它还遵循使用-删除元素的矢量化习惯用法。

评论


加上(1)用户想要替换原始df(2)magrittr具有%<>%运算符来替换输入对象,可以将其简化为df%<>%select(-col.to.drop.1,-col。 to.drop.2,...,-col.to.drop.6)

–马雷克
16-11-23在11:39

如果使用dplyr删除一长列的列,则将它们分组并放一个减号可能会更容易:df.cut <-df%>%select(-c(col.to.drop.1,col .to.drop.2,...,col.to.drop.n))

– iNyar
17年5月4日在6:32



#14 楼

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


评论


否定匹配不是一个好主意-df [,-match(c(“ e”,“ f”),names(df))]

–哈德利
11年5月5日在18:33

。@ JDLong-如果我想删除列名称以-开头的列怎么办?

–车丹·阿文·帕蒂尔(Chetan Arvind Patil)
19年1月22日在18:04

#15 楼

Bernd Bischl的dropNamed()软件包中有一个名为BBmisc的函数可以精确地执行此操作。 magrittr(就像dplyr方法一样):

BBmisc::dropNamed(df, "x")


#16 楼

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

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


评论


(1)问题是一次删除多列。 (2)如果COLUMN_NAME不在df中,则将无法正常工作(请检查一下:df <-data.frame(a = 1,b = 2))。 (3)df [,names(df)!=“ COLUMN_NAME”]比较简单,不会受到(2)的影响

–马雷克
16年11月23日在11:34

您能否提供有关此答案的更多信息?

–阿卡什·纳亚克(Akash Nayak)
18年1月17日在13:04

#17 楼

除了早先的答案中展示的select(-one_of(drop_col_names))外,还有其他一些dplyr选项可用于使用select()删除列,这些选项不涉及定义所有特定的列名(使用dplyr starwars示例数据来更改某些列名):

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 


如果需要删除数据框中可能存在或可能不存在的列,这是使用select_if()的一种小方法,与使用one_of()的情况不同,如果列名确实存在,则不会发出Unknown columns:警告不存在。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'))


#18 楼

提供要删除的数据框和一串用逗号分隔的名称:

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")




#19 楼

使用which查找要删除的列的索引。给这些索引加上一个负号(*-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


#20 楼

如果data.frame很大而内存不足,请使用[。 。 。 。或rmwithin删除data.frame的列,因为subset当前(R 3.6.2)使用更多的内存-在手册的提示中可以交互使用subset

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