如何同时按名称或其标准差选择列？

Question

解决方案

我选择了@thelatemail提供的解决方案，因为我正在努力坚持使用tidyverse，因此dplyr——我还是R的新手，所以我正在迈出小步，并利用帮助库。谢谢大家花时间贡献解决方案。

df_new <- df_inh %>%
select(
  isolate,
  Phenotype,
  which(
    sapply( ., function( x ) sd( x ) != 0 )
  )
)

问题

如果列名为“隔离”或“表型”，或者列值的标准偏差不为0，我将尝试选择列。

我尝试了以下代码。

df_new <- df_inh %>%
# remove isolate and Phenotype column for now, don't want to calculate their standard deviation
select(
  -isolate,
  -Phenotype
) %>%
# remove columns with all 1's or all 0's by calculating column standard deviation
select_if(
  function( col ) return( sd( col ) != 0 )
) %>%
# add back the isolate and Phenotype columns
select(
  isolate,
  Phenotype
)

我也试过这个

df_new <- df_inh %>%
select_if(
  function( col ) {
  if ( col == 'isolate' | col == 'Phenotype' ) {
    return( TRUE )
  }
  else {
    return( sd( col ) != 0 )
  }
}
)

我可以通过标准差或列名来选择列，但是我不能同时这样做。

Answer 1

对于这个任务，我根本不会使用tidyverse函数。

df_new <- df_inh[,c(grep("isolate", names(df_inh)), 
                    grep("Phenotype", names(df_inh), 
                    which(sapply(df_inh, sd) != 0))]

在上面，您只需使用 [] 使用 grep 的每个条件以及哪个

Answer 2

不确定是否可以单独使用select_if来执行此操作，但一种方法是组合两个select，然后绑定列。使用mtcars作为样本数据。

library(dplyr)
bind_cols(mtcars %>% select_if(function(x) sum(x) > 1000), 
          mtcars %>% select(mpg, cyl))

#    disp  hp  mpg cyl
#1  160.0 110 21.0   6
#2  160.0 110 21.0   6
#3  108.0  93 22.8   4
#4  258.0 110 21.4   6
#5  360.0 175 18.7   8
#6  225.0 105 18.1   6
#7  360.0 245 14.3   8
#8  146.7  62 24.4   4
#....

但是，如果列同时满足条件（在select_if中被选中以及select），则该列将被重复。

我们也可以使用base R，它给出相同的输出，但使用＜code＞unique

sel_names <- c("mpg", "cyl")
mtcars[unique(c(sel_names, names(mtcars)[sapply(mtcars, sum) > 1000]))]

因此，对于您的情况，两个版本将是:

bind_cols(df_inh %>% select_if(function(x) sd(x) != 0), 
          df_inh %>% select(isolate, Phenotype))

和

sel_names <- c("isolate", "Phenotype")
df_inh[unique(c(sel_names, names(df_inh)[sapply(df_inh, sd) != 0]))]