我正在使用数据框中的 34,000 列进行初始数据清理，为此，我必须删除最大值小于 2 的列。
我对如何删除最大值小于 2 的列一无所知，但为了获得最大值，我尝试创建如下函数而不使用 is.numeric 转换数据：
protein <- is.numeric(protein)
#a:
colMax <- function(data) sapply(data, max, na.rm = TRUE)
colMax(protein)
我得到了对因子错误没有意义的最大值，这就是我使用 is.numeric 函数将所有数据转换为数字形式的原因。尽管如此，我仍然没有得到想要的结果。运行该函数时，我得到 0 作为结果，而不是每列的最大值列表。
为什么我的 max 函数为 0？如何设置一个函数，该函数可以为每列生成最大值并删除最大值小于 2 的任何列？我需要 2 个单独的函数吗？
【问题讨论】：
这是使用dplyr 选择max 值大于等于2 的列的另一种方法。假设我们要测试所有列并且所有这些列都属于factor 类。使用@Maurits 数据
library(dplyr)
df %>%
#Convert column from factor to numeric
mutate_all(~as.numeric(as.character(.))) %>%
#Select column whose max value is greater than equal to 2
select_if(~max(., na.rm = TRUE) >= 2)
# V3 V4 V5 V6 V7 V8 V9 V10
#1 3 4 5 6 7 8 9 10
#2 3 4 5 6 7 8 9 10
#3 3 4 5 6 7 8 9 10
#4 3 4 5 6 7 8 9 10
#5 3 4 5 6 7 8 9 10
#6 3 4 5 6 7 8 9 10
#7 3 4 5 6 7 8 9 10
#8 3 4 5 6 7 8 9 10
#9 3 4 5 6 7 8 9 10
#10 3 4 5 6 7 8 9 10
除了max，我们也可以使用any
df %>%
mutate_all(~as.numeric(as.character(.))) %>%
select_if(~any(. >= 2))
你说你有 34000 列。您要检查所有列的大于 2 的条件吗？所有的列都是factors 吗？上面的代码检查所有列并选择不满足条件的列。如果您想对选定的列（不是全部）执行此操作，您可能需要对数据进行子集化，选择这些列，然后应用代码。
在base R中，我们也可以在将数据从因子转换为数值后使用colSums
df[] <- lapply(df, function(x) as.numeric(as.character(x)))
df[, colSums(df >= 2) > 0]
【讨论】：
colSums 方法应该更快。
你快到了。
由于您不提供可重现的样本数据，我们首先创建一些最小的样本数据
df <- as.data.frame(matrix(rep(1:10, each = 10), ncol = 10))
df
# V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
#1 1 2 3 4 5 6 7 8 9 10
#2 1 2 3 4 5 6 7 8 9 10
#3 1 2 3 4 5 6 7 8 9 10
#4 1 2 3 4 5 6 7 8 9 10
#5 1 2 3 4 5 6 7 8 9 10
#6 1 2 3 4 5 6 7 8 9 10
#7 1 2 3 4 5 6 7 8 9 10
#8 1 2 3 4 5 6 7 8 9 10
#9 1 2 3 4 5 6 7 8 9 10
#10 1 2 3 4 5 6 7 8 9 10
我们现在只想保留max 值>2 的那些列；我们可以使用sapply来做到这一点
df[sapply(df, function(x) max(x, na.rm = T) > 2)]
# V3 V4 V5 V6 V7 V8 V9 V10
#1 3 4 5 6 7 8 9 10
#2 3 4 5 6 7 8 9 10
#3 3 4 5 6 7 8 9 10
#4 3 4 5 6 7 8 9 10
#5 3 4 5 6 7 8 9 10
#6 3 4 5 6 7 8 9 10
#7 3 4 5 6 7 8 9 10
#8 3 4 5 6 7 8 9 10
#9 3 4 5 6 7 8 9 10
#10 3 4 5 6 7 8 9 10
解释：sapply 循环遍历data.frame df 的列并返回一个logical 向量（与df 中的列一样多的条目）。
或者我们可以使用pmax 和apply
df[apply(pmax(df) > 2, 2, all)]
给出相同的结果。与第一种方法的不同之处在于pmax 返回一个matrix，我们使用apply(..., MARGIN = 2, ...) 在其上逐列操作。
【讨论】：
as.numeric 不能同时处理整个数据集。需要protein[] <- lapply(protein, as.numeric) 之类的东西来覆盖原始数据。
data 必须是 data.frame，而不是列。也许您的转换问题源于您尝试将factor 转换为numeric 向量，在这种情况下尝试data$your_column <- as.numeric(as.character(df$your_column))。