如何对R数据帧中的列进行子集化？

可以通过在is.factor中使用sapply创建所有列的对象来将来提取因子列，然后将该对象传递给子集运算符单方括号，从而完成因子列的子集。例如，如果我们有一个包含三列x，y，z的数据帧df，并且其中两个说x和y是因子列，则可以使用Factors <-sapply(df,is.factor)然后使用df [ [Factors]，这将仅将数据帧df中的因子列作为子集。

示例

请看以下数据帧-

x1<-as.factor(sample(LETTERS[1:3],20,replace=TRUE))
x2<-as.factor(sample(c("GRP1","GRP2","GRP3","GRP4","GRP5"),20,replace=TRUE))
x3<-sample(1:10,20,replace=TRUE)
df1<-data.frame(x1,x2,x3)
df1

输出结果

 x1  x2  x3
1 A GRP1 2
2 B GRP1 7
3 B GRP3 1
4 A GRP4 8
5 B GRP2 8
6 A GRP3 6
7 C GRP1 8
8 B GRP3 9
9 B GRP5 1
10 C GRP3 8
11 A GRP3 1
12 C GRP1 1
13 B GRP1 10
14 C GRP1 7
15 C GRP3 10
16 C GRP2 4
17 C GRP2 1
18 B GRP1 2
19 C GRP3 10
20 A GRP2 3

使用sapply创建列对象以使用单个方括号提取因子列-

示例

Factors<-sapply(df1,is.factor)
Factors

输出结果

 x1    x2  x3
TRUE TRUE FALSE

提取因子列-

示例

Factors_df1<-df1[,Factors]
Factors_df1

输出结果

  x1 x2
1 A GRP1
2 B GRP1
3 B GRP3
4 A GRP4
5 B GRP2
6 A GRP3
7 C GRP1
8 B GRP3
9 B GRP5
10 C GRP3
11 A GRP3
12 C GRP1
13 B GRP1
14 C GRP1
15 C GRP3
16 C GRP2
17 C GRP2
18 B GRP1
19 C GRP3
20 A GRP2

让我们看另一个例子-

示例

Salary_Grp<-as.factor(sample(c("20-30","31-40","41-50"),20,replace=TRUE))
Gender<-as.factor(sample(c("Male","Female"),20,replace=TRUE))
Rating<-sample(0:10,20,replace=TRUE)
df2<-data.frame(Salary_Grp,Gender,Rating)
df2

输出结果

Salary_Grp Gender Rating
1 20-30    Male    7
2 20-30    Female  8
3 31-40    Male    5
4 41-50    Male    7
5 41-50    Male    6
6 20-30    Male    7
7 20-30    Female  0
8 20-30    Male    5
9 31-40    Female  2
10 20-30   Male    7
11 31-40   Male    8
12 31-40   Female  4
13 20-30   Male    9
14 20-30   Female  5
15 31-40   Male    0
16 20-30   Female  9
17 41-50   Female 10
18 31-40   Female  1
19 31-40   Male    5
20 20-30   Female  3

示例

Factors_df2<-sapply(df2,is.factor)
Factors_df2

输出结果

Salary_Grp Gender Rating
TRUE TRUE FALSE

示例

Factors_df2<-df2[,Factors_df2]
Factors_df2

输出结果

 Salary_Grp Gender
1 20-30    Male
2 20-30    Female
3 31-40    Male
4 41-50    Male
5 41-50    Male
6 20-30    Male
7 20-30    Female
8 20-30    Male
9 31-40    Female
10 20-30   Male
11 31-40   Male
12 31-40   Female
13 20-30   Male
14 20-30   Female
15 31-40   Male
16 20-30   Female
17 41-50   Female
18 31-40   Female
19 31-40   Male
20 20-30   Female