dplyr::select() 带有一些可能不存在于数据框中的变量？答案

【问题标题】：dplyr::select() with some variables that may not exist in the data frame?dplyr::select() 带有一些可能不存在于数据框中的变量？
【发布时间】：2019-01-02 21:16:47
【问题描述】：

我有一个辅助函数（比如foo()），它将在可能包含或不包含指定变量的各种数据帧上运行。假设我有

library(dplyr)
d1 <- data_frame(taxon=1,model=2,z=3)
d2 <- data_frame(taxon=2,pss=4,z=3)

我要选择的变量是

vars <- intersect(names(data),c("taxon","model","z"))

也就是说，我希望foo(d1) 返回taxon、model 和z 列，而foo(d2) 只返回taxon 和z。

如果foo 包含select(data,c(taxon,model,z))，则foo(d2) 失败（因为d2 不包含model）。如果我使用select(data,-pss)，那么foo(d1) 同样会失败。

如果我从 tidyverse 撤退，我知道该怎么做（只需返回 data[vars]），但我想知道是否有一种方便的方法（1）使用某种 select() 助手（ tidyselect::select_helpers) 或 (2) 与 tidyeval （我仍然还没有找到时间去思考！）

【问题讨论】：

标签： r select dplyr nse tidyselect

【解决方案1】：

另一个选项是select_if:

d2 %>% select_if(names(.) %in% c('taxon', 'model', 'z'))

# # A tibble: 1 x 2
#   taxon     z
#   <dbl> <dbl>
# 1     2     3

select_if 已被取代。请改用any_of：

d2 %>% select(any_of(c('taxon', 'model', 'z')))
# # A tibble: 1 x 2
#   taxon     z
#   <dbl> <dbl>
# 1     2     3

在 R 中输入?dplyr::select，你会发现：

这些助手从字符向量中选择变量：

all_of()：匹配字符向量中的变量名。所有名字都必须存在，否则会引发越界错误。

any_of()：与 all_of() 相同，只是不会对名称抛出错误不存在的。

【讨论】：

所有答案都很好，但这个答案简洁易读，不会引发任何警告。（@G.Grothendieck 最接近我给出的方法）。
或：d2 %>% select(which(names(.) %in% c('taxon', 'model', 'z')))
有替代品总是好的，但select_if(...) 似乎比select(which(...)) 更好
select_if (names(.)... 对于较大的 data.frames 来说非常非常慢。

【解决方案2】：

您可以使用one_of()，当列不存在时会发出警告，否则会选择正确的列：

d1 %>%
    select(one_of(c("taxon", "model", "z")))
d2 %>%
    select(one_of(c("taxon", "model", "z")))

【讨论】：

one_of() 已停用，取而代之的是 any_of()（适用于此处）或 all_of()（如果变量不存在，则会出错）。

【解决方案3】：

使用内置的 anscombe 数据框作为示例，注意 z 不是 anscombe 中的列：

anscombe %>% select(intersect(names(.), c("x1", "y1", "z")))

给予：

   x1    y1
1  10  8.04
2   8  6.95
3  13  7.58
4   9  8.81
5  11  8.33
6  14  9.96
7   6  7.24
8   4  4.26
9  12 10.84
10  7  4.82
11  5  5.68

【讨论】：