解决方案
我选择了@thelatemail提供的解决方案,因为我想坚持使用tidyverse,因此也坚持使用dplyr-我对R还是陌生的,所以我采取了一些小步骤,并利用了帮助程序库。谢谢大家花时间为解决方案做出贡献。
df_new <- df_inh %>%
select(
isolate,
Phenotype,
which(
sapply( ., function( x ) sd( x ) != 0 )
)
)
问题
如果列名是“ isolate”或“表型”,或者列值的标准偏差不为0,我正在尝试选择列。
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
)
我也尝试过
df_new <- df_inh %>%
select_if(
function( col ) {
if ( col == 'isolate' | col == 'Phenotype' ) {
return( TRUE )
}
else {
return( sd( col ) != 0 )
}
}
)
我可以按标准偏差或列名选择列,但是我不能同时进行。
答案 0 :(得分:4)
不确定是否可以单独使用select_if
进行此操作,但是一种方法是组合两个select
操作,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,如果一列同时满足条件(在select_if
和select
中被选择),则该列将被重复。
我们还可以使用基数R,它给出相同的输出,但避免使用unique
两次选择列。
sel_names <- c("mpg", "cyl")
mtcars[unique(c(sel_names, names(mtcars)[sapply(mtcars, sum) > 1000]))]
所以对于您的情况,这两个版本是:
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]))]
答案 1 :(得分:3)
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))]
上面,您仅使用[]
和grep
的每个条件使用which
进行索引