根据列总和从数据框中排除列

Question

我正在研究包含社区数据的数据集,并且许多列(种类)都有很多零.基于整列的总和,我希望能够根据我正在进行的一些分析删除这些列.我很想用for循环来做这个,但我听说当你使用R时,apply和by功能会更好.我的目标是删除总和小于15的所有列.我习惯which()删除按因子划分的行,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]
    }

这两种方法都没有奏效.当然有一种优雅的方法来摆脱基于逻辑标准的列？

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

Answer 1

一个简单的子集怎么样？首先,我们创建一个简单的数据框架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,您只想将列6向上集合,因此类似于:

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

要么

 #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,即一个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,那么创建一个像往常一样返回TRUE或FALSE和子集的函数.

Answer 2

我刚刚遇到了同样的问题。如果您同时拥有数字列和非数字列，这是使用 Tidyverse 的解决方案：

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))