我非常担心这个问题已经被问过并且会被踩，但我在文档中没有找到答案(?"["), 而且发现很难搜索。
data(wines)
# This is allowed:
alcoholic <- wines[, 1]
alcoholic <- wines[, "alcohol"]
nonalcoholic <- wines[, -1]
# But this is not:
fail <- wines[, -"alcohol"]
我知道有两种解决方案，但因需要它们而感到沮丧。
win <- wines[, !colnames(wines) %in% "alcohol"] # snappy
win <- wines[, -which(colnames(wines) %in% "alcohol")] # snappier!
当你执行
wines[, -1]
-1 在被 [ 使用之前已经被计算了。如你所知，一元运算符 - 不能用于 character 类型的对象，所以对 "alcohol" 做同样的操作会导致：
Error in -"alcohol" : invalid argument to unary operator
wines[, -match("alcohol", colnames(wines))]
wines[, setdiff(colnames(wines), "alcohol")]
但是你应该了解负索引的风险，例如，如果你打错了"alcool"(sic.)，会发生什么。因此，你应该优先考虑这里的第一个建议和最后一个建议（@Ananda's）。你还可以编写一个函数，如果提供的名称不在数据中，则会出现错误。
R> -1 会输出 [1] -1 ，那么这是怎么工作的呢？我对 R 的工作方式不是很熟悉。这就是你的意思吗？ - a different ben-1 是可以正常计算的，所以你可以将它作为参数传递给 [ 函数，它会知道如何处理它。另一方面，-"alcohol" 不行。这与 [ 的实现方式关系不大，更多的是因为你无法计算 -"alcohol"，因此不能将其传递给 [ 或任何函数。 - flodel另一种可能性：
subset(wines,select=-alcohol)
您可以甚至执行以下操作
subset(wines,select=-c(alcohol,other_drop))
subset(wines,select=-(first_drop:last_drop))
这可能很方便（虽然在我看来，这取决于列的顺序，这可能是脆弱的：如果有一种方法来识别列，或者提供更明确的分组定义，我可能更喜欢基于 grep 的解决方案）。
在这种情况下，subset 使用非标准的评估方式，在某些情况下可能会存在危险性。但是，由于其可读性，我仍然喜欢它用于简单的、高级的数据操作。
dfrm[ , -grep("^val", names(dfrm) )] #remove columns starting with "val"
你可以写一个简单的函数并将其放入你的.Rprofile中。例如：
dropcols <- function( df , cols ){
out <- df[ , !names(df) %in% cols]
return( out )
}
# To use it....
data( mtcars )
head( dropcols( mtcars , "mpg" ) )
# cyl disp hp drat wt qsec vs am gear carb
#Mazda RX4 6 160 110 3.90 2.620 16.46 0 1 4 4
#Mazda RX4 Wag 6 160 110 3.90 2.875 17.02 0 1 4 4
#Datsun 710 4 108 93 3.85 2.320 18.61 1 1 4 1
#Hornet 4 Drive 6 258 110 3.08 3.215 19.44 1 0 3 1
#Hornet Sportabout 8 360 175 3.15 3.440 17.02 0 0 3 2
#Valiant 6 225 105 2.76 3.460 20.22 1 0 3 1
我在文档中找不到这个，但以下语法适用于 data.table：
dt = data.table(wines)
dt[, !"alcohol", with = F]
如果您愿意，您也可以拥有一个列的列表：
dt[, !c("Country", "alcohol"), with = F]
最近在v1.8.4版本的新闻中有记录：
但是以上所有操作都会复制除已删除列之外的所有列。通常更多地是：When with=FALSE, "!" may also be a prefix on j, #1384ii. This selects all but the named columns.
DF[,-match("somecol",names(DF))] # works when somecol exists. If not, NA causes an error. DF[,-match("somecol",names(DF),nomatch=0)] # works when somecol exists. Empty data.frame when it doesn't, silently. DT[,-match("somecol",names(DT)),with=FALSE] # same issues. DT[,setdiff(names(DT),"somecol"),with=FALSE] # works but you have to know order of arguments, and no warning if missingvs
DT[,!"somecol",with=FALSE] # works and easy to read. With (helpful) warning if somecol isn't there.
DT[,somecol:=NULL]
您可以按照以下方式获得所需的行为：
data(iris)
str(iris)
delete <- which(colnames(iris) == "Species")
iris2 <- iris[, -delete]
str(iris2)
％in％来匹配字符串列表。 - a different bendeleted <- colnames(iris) == "Species"; iris[!deleted]。当你有逻辑向量时，就不需要使用负索引。 - Marek
setdiff。你认为-“alcohol”会返回什么？它本身不起作用，那么在尝试进行子集操作时为什么会起作用呢？ - A5C1D2H2I1M1N2O1R2T1?[来看：“对于[-索引：i、j等可以是逻辑向量（你的!替代方案）[...]也可以是负整数（你的which替代方案）。 - Henrikwines[names(wines)!="alcohol"]- plannapus