按名称删除数据框列答案

【问题标题】：Drop data frame columns by name按名称删除数据框列
【发布时间】：2011-06-04 01:29:18
【问题描述】：

我想从数据框中删除一些列。我知道我们可以使用以下方法单独删除它们：

df$x <- NULL

但我希望用更少的命令来做到这一点。

另外，我知道我可以像这样使用整数索引来删除列：

df <- df[ -c(1, 3:6, 12) ]

但我担心我的变量的相对位置可能会改变。

鉴于 R 的强大功能，我认为可能有比逐列删除更好的方法。

【问题讨论】：

有人可以向我解释为什么 R 没有像 df#drop(var_name) 这样简单的东西，而是我们需要做这些复杂的变通办法吗？
@ifly6 R 中的 'subset()' 函数与 Python 中的 'drop()' 函数一样简洁，除非你不需要指定轴参数......我同意令人讨厌的是，对于删除一列这样基本的事情，不能只实现一个最终的、简单的关键字/语法。

标签： r dataframe r-faq

【解决方案1】：

您可以使用简单的名称列表：

DF <- data.frame(
  x=1:10,
  y=10:1,
  z=rep(5,10),
  a=11:20
)
drops <- c("x","z")
DF[ , !(names(DF) %in% drops)]

或者，或者，您可以列出要保留的内容并按名称引用它们：

keeps <- c("y", "a")
DF[keeps]

编辑：对于那些还不熟悉索引函数的drop 参数的人，如果您想将一列保留为数据框，您可以这样做：

keeps <- "y"
DF[ , keeps, drop = FALSE]

drop=TRUE（或不提及它）将删除不必要的维度，并因此返回具有列 y 的值的向量。

【讨论】：

subset 函数效果更好，因为它不会将具有一列的数据框转换为向量
@mut1na 检查索引函数的参数 drop=FALSE。
不应该是DF[,keeps] 而不是DF[keeps] 吗？
@lindelof 否。可以，但是如果您只选择一列，则必须添加 drop=FALSE 以防止 R 将数据框转换为向量。不要忘记数据框是列表，因此列表选择（像我一样是一维的）效果很好，并且总是返回一个列表。或者在这种情况下是一个数据框，这就是我更喜欢使用它的原因。
@AjayOhri 是的，它会的。没有逗号，您使用“列表”的选择方式，这意味着即使您提取单个列，您仍然会返回一个数据框。如果你像你一样使用“矩阵”方式，你应该知道，如果你只选择一个列，你会得到一个向量而不是一个数据框。为避免这种情况，您需要添加 drop=FALSE。正如我的回答和你上面的评论中所解释的那样......

【解决方案2】：

还有subset 命令，如果您知道需要哪些列，这很有用：

df <- data.frame(a = 1:10, b = 2:11, c = 3:12)
df <- subset(df, select = c(a, c))

@hadley 发表评论后更新：drop 列 a、c 你可以这样做：

df <- subset(df, select = -c(a, c))

【讨论】：

我真的希望 R subset 函数有一个像“allbut = FALSE”这样的选项，当设置为 TRUE 时它会“反转”选择，即保留所有列 except select 列表中的那些。
@prasad，请参阅下面的@joris 回答。没有任何子集标准的子集有点矫枉过正。简单尝试：df[c("a", "c")]
@JD 我知道，但我喜欢 subset 命令的语法便利，您不需要在列名周围加上引号——我想我不介意输入几个额外的字符只是为了避免引用名称:)
请注意，您不应该在其他函数中使用subset。
@mac stackoverflow.com/questions/12850141/…

【解决方案3】：

within(df, rm(x))

可能是最简单的，或者对于多个变量：

within(df, rm(x, y))

或者，如果您正在处理 data.tables（根据 How do you delete a column by name in data.table?）：

dt[, x := NULL]   # Deletes column x by reference instantly.

dt[, !"x"]   # Selects all but x into a new data.table.

或用于多个变量

dt[, c("x","y") := NULL]

dt[, !c("x", "y")]

【讨论】：

within(df, rm(x)) 是到目前为止最干净的解决方案。鉴于这是一种可能性，其他所有答案似乎都不必要地复杂了一个数量级。
请注意，如果 df 中有名为 x 的重复列，within(df, rm(x)) 将不起作用工作。
@MichaelChirico 澄清一下，它既不删除，但似乎改变了数据的值。如果是这种情况，会有更大的问题，但这里有一个例子：df <- data.frame(x = 1, y = 2); names(df) <- c("x", "x"); within(df, rm(x)) 返回data.frame(x = 2, x = 2)。
@MilesErickson 问题是您依赖于功能强大但也使用 NSE 的函数 within()。帮助页面上的注释清楚地指出，对于编程，应该使用足够的谨慎。
@MilesErickson 多久会遇到一个包含重复名称的数据框？

【解决方案4】：

你可以像这样使用%in%：

df[, !(colnames(df) %in% c("x","bar","foo"))]

【讨论】：

我是否遗漏了什么，或者这实际上与 Joris 回答的第一部分的解决方案相同？ DF[ , !(names(DF) %in% drops)]
@DanielFletcher：是一样的。查看答案上的时间戳。我们同时回答... 5 年前。 :)
疯了。 identical(post_time_1, post_time_2) [1] TRUE =D
为什么不去掉逗号？我看不出为什么df[!(colnames(df) %in% c("x","bar","foo"))] 不等同。
为什么当我在 data.table 数据帧上运行时它返回 FALSE/TRUE 向量。为什么？

【解决方案5】：

list(NULL) 也可以：

dat <- mtcars
colnames(dat)
# [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
# [11] "carb"
dat[,c("mpg","cyl","wt")] <- list(NULL)
colnames(dat)
# [1] "disp" "hp"   "drat" "qsec" "vs"   "am"   "gear" "carb"

【讨论】：

太棒了！这以自然的方式将 NULL 分配扩展到单个列，并且（似乎）避免了复制（尽管我不知道幕后发生了什么，所以它可能不会更有效地使用内存......但在我看来很清楚在语法上更有效。）
你不需要list(NULL)，NULL就足够了。例如：dat[,4]=NULL
OP 的问题是如何删除多个列。 dat[,4:5]
这在尝试删除重复的列名时也不起作用。
@MichaelChirico 适合我。如果要删除具有相同名称的第一个列，请提供标签，或者为要删除的每一列提供索引。如果您有一个不起作用的示例，我很想看看它。也许将其作为一个新问题发布？

【解决方案6】：

如果您想通过引用删除列并避免与data.frames 关联的内部复制，那么您可以使用data.table 包和函数:=

您可以将字符向量名称传递到 := 运算符的左侧，并将 NULL 作为 RHS。

library(data.table)

df <- data.frame(a=1:10, b=1:10, c=1:10, d=1:10)
DT <- data.table(df)
# or more simply  DT <- data.table(a=1:10, b=1:10, c=1:10, d=1:10) #

DT[, c('a','b') := NULL]

如果您想在调用[ 之外将名称预定义为字符向量，请将对象名称包装在() 或{} 中以强制在调用范围内评估LHS，而不是作为DT 范围内的名称。

del <- c('a','b')
DT <- data.table(a=1:10, b=1:10, c=1:10, d=1:10)
DT[, (del) := NULL]
DT <-  <- data.table(a=1:10, b=1:10, c=1:10, d=1:10)
DT[, {del} := NULL]
# force or `c` would also work.

也可以使用set，这样可以避免[.data.table的开销，同样适用于data.frames！

df <- data.frame(a=1:10, b=1:10, c=1:10, d=1:10)
DT <- data.table(df)

# drop `a` from df (no copying involved)

set(df, j = 'a', value = NULL)
# drop `b` from DT (no copying involved)
set(DT, j = 'b', value = NULL)

【讨论】：

【解决方案7】：

基于 grep() 将返回数字向量这一事实，有一个可能更强大的策略。如果您像我在我的一个数据集中所做的那样有一长串变量，一些以“.A”结尾的变量和其他以“.B”结尾的变量，您只想要以“.A”结尾的变量（以及对于与任一模式都不匹配的所有变量，请执行以下操作：

dfrm2 <- dfrm[ , -grep("\\.B$", names(dfrm)) ]

对于手头的案例，以 Joris Meys 为例，它可能没有那么紧凑，但它会是：

DF <- DF[, -grep( paste("^",drops,"$", sep="", collapse="|"), names(DF) )]

【讨论】：

如果我们首先将drops定义为paste0("^", drop_cols, "$")，使用sapply会变得更好（阅读：更紧凑）：DF[ , -sapply(drops, grep, names(DF))]

【解决方案8】：

另一个dplyr 答案。使用select(-column)。

如果你的变量有一些共同的命名结构，你可以试试starts_with()。例如

library(dplyr)
df <- data.frame(var1 = rnorm(5), var2 = rnorm(5), var3 = rnorm (5), 
                 var4 = rnorm(5), char1 = rnorm(5), char2 = rnorm(5))
df
#        var2      char1        var4       var3       char2       var1
#1 -0.4629512 -0.3595079 -0.04763169  0.6398194  0.70996579 0.75879754
#2  0.5489027  0.1572841 -1.65313658 -1.3228020 -1.42785427 0.31168919
#3 -0.1707694 -0.9036500  0.47583030 -0.6636173  0.02116066 0.03983268

df1 <- df %>% select(-starts_with("char"))

df1
#        var2        var4       var3       var1
#1 -0.4629512 -0.04763169  0.6398194 0.75879754
#2  0.5489027 -1.65313658 -1.3228020 0.31168919
#3 -0.1707694  0.47583030 -0.6636173 0.03983268

如果要在数据框中删除一系列变量，可以使用:。例如，如果您想删除 var2、var3 和介于两者之间的所有变量，则只剩下 var1：

df2 <- df1 %>% select(-c(var2:var3) )  
df2
#        var1
#1 0.75879754
#2 0.31168919
#3 0.03983268

【讨论】：

不要忘记select() 带来的所有其他机会，例如contains() 或matches()，它们也接受正则表达式。

【解决方案9】：

Dplyr 解决方案

我怀疑这会在这里引起很多关注，但是如果您有一个要删除的列列表，并且您想在 dplyr 链中执行此操作，我在 select 子句中使用 one_of() ：

这是一个简单的、可重现的例子：

undesired <- c('mpg', 'cyl', 'hp')

mtcars <- mtcars %>%
  select(-one_of(undesired))

可以通过运行?one_of 或在此处找到文档：

http://genomicsclass.github.io/book/pages/dplyr_tutorial.html

【讨论】：

【解决方案10】：

另一种可能性：

df <- df[, setdiff(names(df), c("a", "c"))]

或

df <- df[, grep('^(a|c)$', names(df), invert=TRUE)]

【讨论】：

太糟糕了，这没有得到更多的支持，因为使用setdiff 是最佳选择，尤其是在大量列的情况下。
另一个角度：df <- df[ , -which(grepl('a|c', names(df)))]

【解决方案11】：

DF <- data.frame(
  x=1:10,
  y=10:1,
  z=rep(5,10),
  a=11:20
)
DF

输出：

    x  y z  a
1   1 10 5 11
2   2  9 5 12
3   3  8 5 13
4   4  7 5 14
5   5  6 5 15
6   6  5 5 16
7   7  4 5 17
8   8  3 5 18
9   9  2 5 19
10 10  1 5 20

DF[c("a","x")] <- list(NULL)

输出：

【讨论】：

【解决方案12】：

出于兴趣，这标志着 R 的一种奇怪的多重语法不一致。例如给定一个两列数据框：

df <- data.frame(x=1, y=2)

这给出了一个数据框

subset(df, select=-y)

但这给出了一个向量

df[,-2]

这一切都在?[ 中进行了解释，但这并不是完全预期的行为。好吧，至少对我来说不是……

【讨论】：

【解决方案13】：

这是一个dplyr 的方法：

#df[ -c(1,3:6, 12) ]  # original
df.cut <- df %>% select(-col.to.drop.1, -col.to.drop.2, ..., -col.to.drop.6)  # with dplyr::select()

我喜欢这样，因为它在没有注释的情况下易于阅读和理解，并且对数据框中的列位置变化具有鲁棒性。它还遵循使用- 删除元素的矢量化习语。

【讨论】：

此外，(1) 用户想要替换原始 df (2) magrittr 有 %<>% 运算符来替换输入对象，它可以简化为 df %<>% select(-col.to.drop.1, -col.to.drop.2, ..., -col.to.drop.6)
如果您有很长的列要删除，使用dplyr，将它们分组并只放一个减号可能会更容易：df.cut <- df %>% select(-c(col.to.drop.1, col.to.drop.2, ..., col.to.drop.n))

【解决方案14】：

我一直认为一定有更好的成语，但是对于按名称减去列，我倾向于执行以下操作：

df <- data.frame(a=1:10, b=1:10, c=1:10, d=1:10)

# return everything except a and c
df <- df[,-match(c("a","c"),names(df))]
df

【讨论】：

否定匹配不是一个好主意 - df[,-match(c("e","f"),names(df))]
.@JDLong - 如果我想删除列名以- 开头的列怎么办？

【解决方案15】：

Bernd Bischl 的 BBmisc 包中有一个名为 dropNamed() 的函数正是这样做的。

BBmisc::dropNamed(df, "x")

优点是它避免了重复数据框参数，因此适用于magrittr 中的管道（就像dplyr 方法一样）：

df %>% BBmisc::dropNamed("x")

【讨论】：

【解决方案16】：

如果您不想使用上述@hadley 的另一种解决方案：如果“COLUMN_NAME”是您要删除的列的名称：

df[,-which(names(df) == "COLUMN_NAME")]

【讨论】：

(1) 问题是一次删除多个列。 (2) 如果COLUMN_NAME 不在df 中，它将不起作用（检查自己：df<-data.frame(a=1,b=2)）。 (3)df[,names(df) != "COLUMN_NAME"]更简单，不吃(2)
您能否提供有关此答案的更多信息？

【解决方案17】：

除了前面的答案中演示的 select(-one_of(drop_col_names)) 之外，还有几个其他 dplyr 选项用于使用 select() 删除列，这些选项不涉及定义所有特定列名（使用 dplyr starwars 示例数据来处理列中的某些变化名称）：

library(dplyr)
starwars %>% 
  select(-(name:mass)) %>%        # the range of columns from 'name' to 'mass'
  select(-contains('color')) %>%  # any column name that contains 'color'
  select(-starts_with('bi')) %>%  # any column name that starts with 'bi'
  select(-ends_with('er')) %>%    # any column name that ends with 'er'
  select(-matches('^f.+s$')) %>%  # any column name matching the regex pattern
  select_if(~!is.list(.)) %>%     # not by column name but by data type
  head(2)

# A tibble: 2 x 2
homeworld species
  <chr>     <chr>  
1 Tatooine  Human  
2 Tatooine  Droid

如果您需要删除数据框中可能存在或不存在的列，这里使用 select_if() 略有不同，与使用 one_of() 不同，如果列名称不存在，则不会引发 Unknown columns: 警告.在此示例中，“bad_column”不是数据框中的列：

starwars %>% 
  select_if(!names(.) %in% c('height', 'mass', 'bad_column'))

【讨论】：

【解决方案18】：

提供要删除的数据框和一串逗号分隔的名称：

remove_features <- function(df, features) {
  rem_vec <- unlist(strsplit(features, ', '))
  res <- df[,!(names(df) %in% rem_vec)]
  return(res)
}

用法：

remove_features(iris, "Sepal.Length, Petal.Width")

【讨论】：

【解决方案19】：

在数据框中按列名删除和删除列。

A <- df[ , c("Name","Name1","Name2","Name3")]

【讨论】：

【解决方案20】：

使用which 查找要删除的列的索引。给这些索引一个负号 (*-1)。然后对这些值进行子集化，这将从数据框中删除它们。这是一个例子。

DF <- data.frame(one=c('a','b'), two=c('c', 'd'), three=c('e', 'f'), four=c('g', 'h'))
DF
#  one two three four
#1   a   d     f    i
#2   b   e     g    j

DF[which(names(DF) %in% c('two','three')) *-1]
#  one four
#1   a    g
#2   b    h

【讨论】：

【解决方案21】：

如果您有一个很大的data.frame 并且内存不足，请使用[ . . . . 或rm and within 以删除data.frame 的列，因为 subset 当前 (R 3.6.2) 使用更多内存 - 除了手册提示以交互方式使用 subset。

getData <- function() {
  n <- 1e7
  set.seed(7)
  data.frame(a = runif(n), b = runif(n), c = runif(n), d = runif(n))
}

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF <- DF[setdiff(names(DF), c("a", "c"))] ##
#DF <- DF[!(names(DF) %in% c("a", "c"))] #Alternative
#DF <- DF[-match(c("a","c"),names(DF))]  #Alternative
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#0.1 MB are used

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF <- subset(DF, select = -c(a, c)) ##
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#357 MB are used

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF <- within(DF, rm(a, c)) ##
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#0.1 MB are used

DF <- getData()
tt <- sum(.Internal(gc(FALSE, TRUE, TRUE))[13:14])
DF[c("a", "c")]  <- NULL ##
sum(.Internal(gc(FALSE, FALSE, TRUE))[13:14]) - tt
#0.1 MB are used

【讨论】：

【解决方案22】：

另一个尚未发布的data.table 选项是使用特殊动词.SD，它代表数据的子集。与 .SDcols 参数一起，您可以按名称或索引选择/删除列。

require(data.table)
# data
dt = data.table(
  A = LETTERS[1:5],
  B = 1:5,
  C = rep(TRUE, 5)
)
# delete B
dt[ , .SD, .SDcols =! 'B' ]
# delete all matches (i.e. all columns)
cols = grep('[A-Z]+', names(dt), value = TRUE)
dt[ , .SD, .SDcols =! cols ]

可以在 data.table 中找到此类任务的所有选项的摘要here

【讨论】：

【解决方案23】：

有很多方法可以做...

选项 1：

df[ , -which(names(df) %in% c("name1","name2"))]

选项 2：

df[!names(df) %in% c("name1", "name2")]

选项 3：

subset(df, select=-c(name1,name2))

【讨论】：

【解决方案24】：

df <- data.frame(
+   a=1:5,
+   b=6:10,
+   c=rep(22,5),
+   d=round(runif(5)*100, 2),
+   e=round(runif(5)*100, 2),
+   f=round(runif(5)*100, 2),
+   g=round(runif(5)*100, 2),
+   h=round(runif(5)*100, 2)
+ )
> df
  a  b  c     d     e     f     g     h
1 1  6 22 76.31 39.96 66.62 72.75 73.14
2 2  7 22 53.41 94.85 96.02 97.31 85.32
3 3  8 22 98.29 38.95 12.61 29.67 88.45
4 4  9 22 20.04 53.53 83.07 77.50 94.99
5 5 10 22  5.67  0.42 15.07 59.75 31.21

> # remove cols: d g h
> newDf <- df[, c(1:3, 5), drop=TRUE]
> newDf
  a  b  c     e
1 1  6 22 39.96
2 2  7 22 94.85
3 3  8 22 38.95
4 4  9 22 53.53
5 5 10 22  0.42

【讨论】：