在R中选择列的规范方法

Question

我正在比较dplyr和"plain R"中的常见"整理"操作(请参阅此处的输出和源代码以了解我的意思).

我很难找到一个"规范" 和简洁的方法来选择仅使用变量名称的列(通过规范,我的意思是纯粹的普通R,对于对R最不了解的人来说很容易理解(所以没有"巫毒技巧")).

例:

## subset: all columns from "var_1" to "var_2" excluding "var_3"

## dplyr: 
table %>% select(var_1:var_2, -var_3)

## plain R: 
r <- sapply(c("var_1", "var_2", "var_3"), function(x) which(names(table)==x))
table[ ,setdiff(r[1]:r[2],r[3]) ]

有什么建议可以改进普通的R语法吗？

---

编辑

我实现了一些建议并比较了不同语法的性能,并注意到使用match并subset导致性能出乎意料地下降:

# plain R, v1
system.time(for (i in 1:100) { 
    r <- sapply(c("size", "country"), function(x) which(names(cran_df)==x))
    cran_df[,r[1]:r[2]] } )
##    user  system elapsed 
##   0.006   0.000   0.007

# plain R, using match
system.time(for (i in 1:100) { 
    r <- match(c("size", "country"), names(cran_df))
    cran_df[,r[1]:r[2]] %>% head(n=3) } )
##    user  system elapsed 
##   0.056   0.028   0.084

# plain R, using match and subset
system.time(for (i in 1:100) {
    r <- match(c("size", "country"), names(cran_df))
    subset(cran_df, select=r[1]:r[2]) %>% head(n=3) } )
##    user  system elapsed 
##  11.556   1.057  12.640

# dplyr
system.time(for (i in 1:100) select(cran_tbl_df,size:country))
##    user  system elapsed 
##   0.034   0.000   0.034

看起来实施subset是次优的......

Answer 1

您可以使用内置subset函数,该函数可以采用select遵循类似(但不相同)语法的参数dplyr::select.请注意,删除列必须在第二步中完成:

t1 <- subset(table, select = var1:var2)
t2 <- subset(t1, select = -var_3)

要么:

subset(subset(table, select = var1:var2), select = -var_3)

例如:

subset(subset(mtcars, select = c(mpg:wt)), select = -hp)