dplyr::select()如何选择可能不存在于数据框中的变量？

Question

我有一个辅助函数（比如说foo()），将在各种数据框上运行，这些数据框可能包含特定的变量，也可能不包含。假设我有

library(dplyr)
d1 <- data_frame(taxon=1,model=2,z=3)
d2 <- data_frame(taxon=2,pss=4,z=3)

我想要选择的变量是

vars <- intersect(names(data),c("taxon","model","z"))

也就是说，我希望 foo(d1) 返回 taxon、model 和 z 列，而 foo(d2) 仅返回 taxon 和 z 列。

如果 foo 包含 select(data,c(taxon,model,z))，那么 foo(d2) 将失败（因为 d2 不包含 model）。如果我使用 select(data,-pss)，那么 foo(d1) 也会类似地失败。

如果我退离 tidyverse，我知道如何做到这一点（只需返回 data[vars]），但我想知道是否有一种方便的方法来实现这一点，即 (1) 使用某种 select() 辅助程序（如 tidyselect::select_helpers）或者 (2) 使用 tidyeval（我还没有抽出时间去搞清楚！）

- Ben Bolker

Answer 1

另一个选项是select_if：

d2 %>% select_if(names(.) %in% c('taxon', 'model', 'z'))

# # A tibble: 1 x 2
#   taxon     z
#   <dbl> <dbl>
# 1     2     3

---

select_if已过时，请使用any_of代替：

d2 %>% select(any_of(c('taxon', 'model', 'z')))
# # A tibble: 1 x 2
#   taxon     z
#   <dbl> <dbl>
# 1     2     3

在R中输入?dplyr::select，你会看到以下内容：

这些辅助函数从字符向量中选择变量：

all_of()：匹配字符向量中的变量名。所有名称必须存在，否则会抛出越界错误。

any_of()：与all_of()相同，只是对于不存在的名称不会抛出错误。

- mt1022

---

所有答案都很好，但这个答案既简洁易读又没有抛出任何警告。（@G.Grothendieck的方法最接近我给出的方法）。 - Ben Bolker

d2 %>% select(which(names(.) %in% c('taxon', 'model', 'z'))) - tjebo

拥有备选方案总是很好的，但 select_if(...) 似乎比 select(which(...)) 更好。 - Ben Bolker

对于较大的数据框，select_if(names(.)...)非常慢。 - Inferrator

Answer 2

您可以使用one_of()函数，该函数在列缺失时会发出警告，但仍然能选择正确的列：

d1 %>%
    select(one_of(c("taxon", "model", "z")))
d2 %>%
    select(one_of(c("taxon", "model", "z")))

- Marius

---

one_of()已被弃用，推荐使用any_of()（适用于此处）或all_of()（如果变量不存在则会出错）。 - hplieninger

Answer 3

使用内置的anscombe数据框作为示例，注意z不是anscombe中的一列：

anscombe %>% select(intersect(names(.), c("x1", "y1", "z")))

提供：

   x1    y1
1  10  8.04
2   8  6.95
3  13  7.58
4   9  8.81
5  11  8.33
6  14  9.96
7   6  7.24
8   4  4.26
9  12 10.84
10  7  4.82
11  5  5.68

- G. Grothendieck