我正在研究包含社区数据的数据集，而且许多列（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少于15的所有列。
我已使用which()按因子删除行，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 combo：
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可以根据逻辑标准摆脱列？
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
答案 0 :(得分：16)
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
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列为子集，例如：
##Drop the first five columns
dd[,colSums(dd[,6:ncol(dd)]) > 15]
或
#Keep the first six columns
cols_to_drop = c(rep(TRUE, 5), dd[,6:ncol(dd)]>15)
dd[,cols_to_drop]
应该有用。
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，如果你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。
答案 1 :(得分：3)
您应该能够使用布尔值和colSums()直接索引data.frame。例如：
set.seed(123)
dat <- data.frame(var1 = runif(10), var2 = rnorm(10), var3 = rlnorm(10))
colSums(dat)
#-----
var1 var2 var3
5.782475 1.317914 12.91987
#Let's set the threshold at 5, so we should get var1 and var3
> dat[, colSums(dat) > 5]
#-----
var1 var3
1 0.2875775 5.9709924
2 0.7883051 1.6451811
3 0.4089769 0.1399294
...
set.seed(123)
dat <- data.frame(var1 = runif(10), var2 = rnorm(10), var3 = rlnorm(10), var4 = "notNumeric")
require(plyr)
dat[, -which(numcolwise(sum)(dat) < 5)]
Consolec：/ documents and settings / charles / desktop /
> dat[, -which(numcolwise(sum)(dat) < 5)]
var1 var3 var4
1 0.2875775 5.9709924 notNumeric
2 0.7883051 1.6451811 notNumeric
3 0.4089769 0.1399294 notNumeric
.....
答案 2 :(得分：1)
这将返回不包含全部零的列，包括因子和字符列（我只在数据的第一个rowchunky中读取）：
读入您的部分数据：
dat <- read.table(text=" Core_num Cage_num Treatment Site Time_point Spionidae Nereididae Syllidae Opheliidae
6 24 1 C M2 May 0 0 0 0
4 22 2 C M2 May 0 0 0 1
9 27 3 C M2 May 0 0 0 0
23 41 4 C M May 0 0 3 0
19 37 5 C M May 0 0 8 0
20 38 6 C M May 0 0 0 1", header=T)
代码：
summer <- function(x){
if(is.numeric(x)){
sum(x) > 15
} else {
TRUE
}
}
dat[, sapply(dat, summer)]
答案 3 :(得分：0)
我遇到了同样的问题。如果您同时拥有数字和非数字列，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))