`dplyr::select` 的用例是什么？

Question

我通常非常喜欢整个 tidyverse 范式并广泛使用它。

但我根本不明白dplyr 中的select。它比简单地选择列更有用吗

my_df[,cols_of_interest]

?

“vanilla”R 方法看起来要简单得多，也更加健壮。我可以将cols_of_interest 作为变量，如上所述，或者我可以输入文字名称。尝试使用变量，然后使用select_，然后尝试与lazyeval 可能解释我的意图的整个方式发生争执，这似乎很疯狂。

是否存在程序化案例，其中select 比简单的my_df[,cols_of_interest] 更有优势？ （这些天我很少写任何代码“一次”，所以任何不是编程的东西都不是特别有用。）

目前，我发现自己经常做以下事情：

new_df <- (old_df %>%
    filter_(paste0("`",col_name, "`=='",col_val,"'")))[cols_to_keep] 

这有点难看，但至少它有效，不像任何尝试执行的那样

new_df <- old_df %>%
    filter_(paste0("`",col_name, "`=='",col_val,"'")) %>%
    select_(cols_to_keep)

彻底失败了。

我可以举一个明确的例子，但这有点没抓住重点。 select over 的用例是什么，只需选择 my_df[,cols_of_interest]？

Answer 1

我仍然不确定select（或select_）的用例，除非您希望将单个列保留为数据框类型而不是被强制转换成向量。

但是，为了部分回答我自己的问题，我至少想出了 tidyverse 友好的方式来做我想做的事情，以编程方式。

> mt_dt <- as_tibble(mtcars)
> expr1 <- quote(cyl == 8)
> cols_oi <- c("mpg", "cyl")
> mt_dt %>% filter_(.dots=expr1) %>% select_(.dots=cols_oi)

(This returns only the mpg & cyl columns, only when the cyl == 8.)

看来在您可能希望以编程方式有效使用tidyverse 的任何情况下，我们都会使用.dots。然而，正如上面的例子所示，它的用法并不明显：有时你应该提供一个未计算的表达式，就像你从 quote 或 substitute 得到的那样，有时你应该提供一个简单的字符串，就像你在任何标准的例子中提供的那样表达式是一流的。虽然我找不到关于 dots 的详细文档，但对 this non-standard documentation 的多次重读帮助很大。

Answer 2

将select 用于交互式会话，将select_ 用于“程序化”目的...

library(dplyr)

iris %>% select(Sepal.Width, Petal.Width)

cols_of_interest <- c("Sepal.Width", "Petal.Width")
iris %>% select_(.dots = cols_of_interest)

补充说明...

另外，请注意以下两行不相同...

iris %>% select_("Sepal.Width", "Petal.Width")
iris %>% select_(c("Sepal.Width", "Petal.Width"))

这就是为什么它不像你期望的那样工作..

iris %>% select_(cols_of_interest)

select_ 可以处理字符串，但是如果你给它一个包含多个字符串的向量，它不知道如何处理它（在这种情况下，它只获取第一个元素并忽略其余元素）。在第一个示例中，您将两个单独的字符串传递给两个单独的参数，而在第二个（和第三个）中，您将一个双元素向量传递给一个参数。

Answer 3

我不能单独给出使用 select 的充分理由，但在 dplyr 的其余部分的上下文中并与 magrittr 结合使用它允许类似

x %>% filter(col1 == "foo")
    %>% select(col2, col3)
    %>% mutate(col4 = f(col2, col3))

通过一系列操作提供了非常好的一致语法。