Question

名为data的数据集包含分类和连续变量。我想删除分类变量。

我试过了：

data.1 <- data[,colnames(data)[[3L]]!=0]

没有打印错误，但是分类变量保留在数据中。问题在哪里？

＆＃34; head（data）＆＃34;的摘要是

id        1,2,3,4,... 
age       45,32,54,23,...
status    0,1,0,0,...
 ...
(more variables like as I wrote above)

所有变量都定义为＆＃34;因子＆＃34;。

Answer 1

你想用这段代码做什么？首先，colnames（data）不是列表，所以使用[[]]没有意义。其次，您唯一测试的是第三列名称是否不等于零。由于列名永远不能以数字开头，因此几乎总是如此。所以你的代码转换为：

data1 <- data[,TRUE]

不是你打算做的事。

我想你知道二项式的含义。一种方法是定义你自己的函数is.binomial()，如下所示：

is.binomial <- function(x,na.action=c('na.omit','na.fail','na.pass'){
    FUN <- match.fun(match.arg(na.action))
    length(unique(FUN(x)))==2
}

如果你想照顾NA的话。然后，您可以将其应用于您的数据框：

data.1 <- data[!sapply(data,is.binomial)]

这样您就可以删除所有二项列，即只有两个不同值的列。

Answer 2

@Shimpei Morimoto，

我认为你需要一种不同的方法。分类变量是否在数据框中定义为因子？如果是这样，你可以使用：

data.1＆lt; - data [，！apply（data，2，is.factor）]

您现在执行的测试是名称编号3L不是0。我认为情况并非如此。

另一种方法是

data.1＆lt; - data [， - 3L]

仅当3L是数字且唯一具有分类变量的列

时才有效

Answer 3

我想你已经到了那里，你对@Mischa Vreeburg的最后评论。可能（正如您的建议）重新格式化原始数据文件，但您也应该能够解决R中的问题。我无法完全复制您所遇到的undefined columns错误。

构建一些看起来与您的数据尽可能相似的数据：

X <- read.csv(textConnection(
"id,age,pre.treat,status
  1,'27', 0,0
  2,'35', 1,0
  3,'22', 0,1
  4,'24', 1,2
  5,'55', 1,3
   ,  ,yes(vs)no,"),
  quote="\"'")

看看：

str(X)

'data.frame':   6 obs. of  4 variables:
 $ id       : int  1 2 3 4 5 NA
 $ age      : int  27 35 22 24 55 NA
 $ pre.treat: Factor w/ 3 levels " 0"," 1","yes(vs)no": 1 2 1 2 2 3
 $ status   : int  0 0 1 2 3 NA

定义@Joris Mey的功能：

is.binomial <- function(x,na.action=c('na.omit','na.fail','na.pass')) {
    FUN <- match.fun(match.arg(na.action))
    length(unique(FUN(x)))==2
}

尝试一下：你会发现不检测pre.treat为二项式，并保留所有变量。

sapply(X,is.binomial)
X1 <- X[!sapply(X,is.binomial)]
names(X1)
## keeps everything

我们可以删除最后一行并再试一次：

X2 <- X[-nrow(X),]
sapply(X2,is.binomial)

一般情况下，R不希望级别ID等“无关”信息与数据本身位于同一列。一方面，你可以在R世界中做得更好，只需将数据保留为原始的，有意义的值（“不”，“是”或“健康”，“生病”而不是0,1）;另一方面，如果将数据存储为文本文件，则数据占用略微更多空间，更重要的是，将文件中的其他元数据（如单元）与数据相结合变得更加困难。 ..

如何删除具有二项变量的数据集中的列

3 个答案: