dplyr::select() 对可能不存在的列重新排序答案

【问题标题】：dplyr::select() to reorder columns which may not existdplyr::select() 对可能不存在的列重新排序
【发布时间】：2020-07-28 09:57:33
【问题描述】：

在 dplyr 中，如何根据包含在 tibble 中可能存在或不存在的变量的列名称的字符向量对 tibble 的列重新排序？

我试过select_if(names(.) %in% col_vector)，但这并没有对列重新排序。

例子：

set.seed(1)
col_order <- c("a", "b", "c", "d", "e")
tibby <- tibble(d = rnorm(10), b = runif(10), a = rnorm(10))

select_if(tibby, names(tibby) %in% col_order)
# A tibble: 10 x 3
#        d      b       a
#    <dbl>  <dbl>   <dbl>
# 1 -0.626 0.935  -0.0449
# 2  0.184 0.212  -0.0162
# 3 -0.836 0.652   0.944 
# 4  1.60  0.126   0.821 
# 5  0.330 0.267   0.594 
# 6 -0.820 0.386   0.919 
# 7  0.487 0.0134  0.782 
# 8  0.738 0.382   0.0746
# 9  0.576 0.870  -1.99  
# 10 -0.305 0.340   0.620

【问题讨论】：

标签： r dplyr tidyverse

【解决方案1】：

我们可以使用intersect

library(dplyr)
tibby %>%
     select(intersect(col_order, names(.)))
# A tibble: 10 x 3
#         a      b      d
#     <dbl>  <dbl>  <dbl>
# 1 -0.0449 0.935  -0.626
# 2 -0.0162 0.212   0.184
# 3  0.944  0.652  -0.836
# 4  0.821  0.126   1.60 
# 5  0.594  0.267   0.330
# 6  0.919  0.386  -0.820
# 7  0.782  0.0134  0.487
# 8  0.0746 0.382   0.738
# 9 -1.99   0.870   0.576
#10  0.620  0.340  -0.305

【讨论】：

【解决方案2】：

你可以这样做：

select(tibby, one_of(col_order))

         a      b      d
     <dbl>  <dbl>  <dbl>
 1 -0.0449 0.935  -0.626
 2 -0.0162 0.212   0.184
 3  0.944  0.652  -0.836
 4  0.821  0.126   1.60 
 5  0.594  0.267   0.330
 6  0.919  0.386  -0.820
 7  0.782  0.0134  0.487
 8  0.0746 0.382   0.738
 9 -1.99   0.870   0.576
10  0.620  0.340  -0.305

【讨论】：

谢谢！有趣的是，one_of 已退役，取而代之的是 any_of/all_of，后者不再对列重新排序。
很好地抓住了@Zian，查了一下，显然all_of 按预期工作（如one_of）但any_of 没有，所以我希望这种行为会改变。它已在tidyselect GH page 上被标记。

【解决方案3】：

一种方法是使用match：

tibby[na.omit(match(col_order, names(tibby)))]

如果需要dplyr，可以用作：

library(dplyr)
tibby %>% select(na.omit(match(col_order, names(.))))

# A tibble: 10 x 3
#        a      b      d
#     <dbl>  <dbl>  <dbl>
# 1 -0.0449 0.935  -0.626
# 2 -0.0162 0.212   0.184
# 3  0.944  0.652  -0.836
# 4  0.821  0.126   1.60 
# 5  0.594  0.267   0.330
# 6  0.919  0.386  -0.820
# 7  0.782  0.0134  0.487
# 8  0.0746 0.382   0.738
# 9 -1.99   0.870   0.576
#10  0.620  0.340  -0.305

【讨论】：