select() 选择的列比我告诉它的要多。为什么？ -R答案

【问题标题】：select() selects more columns than I tell it to. Why? - Rselect() 选择的列比我告诉它的要多。为什么？ -R
【发布时间】：2019-10-17 02:32:48
【问题描述】：

例如，当我从dplyr 使用select() 时：

mtcars %>% select(., cyl, disp)

它正确选择了cyl 和disp。但是当我在我正在处理的数据框中执行此操作时，（假设它是iris）：

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

它会选择 Sepal.Length、Sepal.Width 和 Petal.Length，即使我没有告诉选择 Petal.Length。这非常令人沮丧，因为我在文档、stackoverflow 或谷歌中找不到任何解释。

最后，我想知道select() 什么时候会选择我没有告诉它选择的列？有什么建议吗？

编辑 - 数据：

structure(list(codigo_estacion = 11545000L, institucion = "DGA", 
    fuente = "dga_web", nombre = "Rio Baker Bajo Ã‘Adis", altura = 45L, 
    latitud = -47.5, longitud = -72.9749984741211, codigo_cuenca = 115L, 
    nombre_sub_cuenca = "Rio Baker Entre Arriba Rio De La Colonia Y Desemb.", 
    cantidad_observaciones = 4736L, fecha = structure(15624, class = "Date"), 
    caudal = 692, gauge_id = 11545000L, gauge_name = "Rio Baker Bajo Ã‘Adis", 
    precip_promedio = 0.454545468091965, temp_max_promedio = 17.0166664123535, 
    estacion_ano = "Primavera", caudal_extremo = 0, temp_extremo = 0, 
    precip_extremo = 0), class = c("grouped_df", "tbl_df", "tbl", 
"data.frame"), row.names = c(NA, -1L), groups = structure(list(
    codigo_estacion = 11545000L, estacion_ano = "Primavera", 
    .rows = list(1L)), row.names = c(NA, -1L), class = c("tbl_df", 
"tbl", "data.frame"), .drop = TRUE))

我正在使用的代码：

df %>% dplyr::select(codigo_estacion, caudal_extremo)

但它给出了estacion_ano、codigo_estacion 和caudal_extremo 的列。

【问题讨论】：

它应该对我有用。重新启动 R 并重试
不知道它是否相关，但在这些调用中应该不需要.，当您使用%>% 时，数据帧会隐式传递给函数。
你在 iris 数据集中执行了group_by 吗？当您执行 group_by 时，分组列会自动添加到输出中，即使您没有选择它们。运行class(iris) 并检查输出是否包含grouped_df。
数据框将保持分组状态，直到您取消分组。您可以随时使用ungroup 功能取消分组：mtcars %>% group_by(cyl) %>% mutate(n=n()) %>% ungroup。
当您在分组数据框上运行select 时（例如，像这样：mtcars %>% group_by(cyl) %>% select(mpg)），您会收到这样的消息：Adding missing grouping variables: `cyl`

标签： r select dplyr data-manipulation

【解决方案1】：

您提供的数据是由变量estacion_ano 分组的数据框。在分组数据框上使用select 时，分组变量将自动添加到结果中。你可能想在使用select之前ungroup：

df %>% 
  dplyr::ungroup() %>% 
  dplyr::select(codigo_estacion, caudal_extremo)

# A tibble: 1 x 2
# codigo_estacion caudal_extremo
#           <int>          <dbl>
# 1      11545000              0

【讨论】：