根據列總和從數據框中排除列

Question

我正在研究包含社區數據的數據集，並且許多列（種類）都有很多零。 基於整列的總和，我希望能夠根據我正在進行的一些分析刪除這些列。 我很想用for循環來做這個，但我聽說當你使用R時，apply和by函數會更好。我的目標是刪除總和少於15的所有列。我用過which()按因子刪除行，例如，

September<-which(data$Time_point=="September")

data<-data[-September,] 

我嘗試刪除列的兩種方法是使用apply() ：

data<-data[,apply(data,2,function(x)sum(x<=15))]

並使用凌亂的for循環/ if else組合：

for (i in 6:length(data)){
    if (sum(data[,i])<=15)
    data[,i]<-NULL
    else 
    data[,i]<-data[,i]
    }

這兩種方法都沒有奏效。 當然有一種優雅的方法來擺脫基於邏輯標准的列？

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

一個簡單的子集怎么樣？ 首先，我們創建一個簡單的數據框架L.

R> dd = data.frame(x = runif(5), y = 20*runif(5), z=20*runif(5))

然后選擇總和大於15的列

R> dd1 = dd[,colSums(dd) > 15]
R> ncol(dd1)
[1] 2

在您的數據集中，您只想將列6向上集合，因此類似於：

 ##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]

應該管用。

---

需要注意的關鍵部分是在方括號中，我們需要一個邏輯向量，即一個TRUE和FALSE的向量。 因此，如果您想使用更復雜的東西進行子集化，那么創建一個像往常一樣返回TRUE或FALSE和子集的函數。

Answer 2

您應該能夠使用boolean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
...

編輯 - 處理非數字列

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
.....

Answer 3

這將返回不包含所有零的列，包括因子和字符列（我只讀取數據的第一個rowchunky事物）：

讀入您的一些數據：

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)

編碼：

summer <- function(x){
    if(is.numeric(x)){
        sum(x) > 15
    } else {
        TRUE
    }
}

dat[, sapply(dat,  summer)]

Answer 4

我剛遇到同樣的問題。 這是使用Tidyverse的解決方案，如果您同時擁有數字和非數字列：

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))