在R中选择列的规范方法

Question

我正在比较dplyr和"纯R"中常见的“整理”操作（请参见此处的输出和此处的源代码，以了解我的意思）。

我很难找到一种“规范”且简洁的方法，只使用变量名来选择列（所谓的规范，指的是纯粹的R语言，并且容易为任何具有最基本的R语言理解的人所理解（因此不包括“巫术技巧”））。

例如：

## subset: all columns from "var_1" to "var_2" excluding "var_3"

## dplyr: 
table %>% select(var_1:var_2, -var_3)

## plain R: 
r <- sapply(c("var_1", "var_2", "var_3"), function(x) which(names(table)==x))
table[ ,setdiff(r[1]:r[2],r[3]) ]

任何改进基本R语法的建议吗？

---

编辑

我实施了一些建议，并比较了不同语法的性能，发现使用match和subset会导致性能惊人的下降：

# plain R, v1
system.time(for (i in 1:100) { 
    r <- sapply(c("size", "country"), function(x) which(names(cran_df)==x))
    cran_df[,r[1]:r[2]] } )
##    user  system elapsed 
##   0.006   0.000   0.007

# plain R, using match
system.time(for (i in 1:100) { 
    r <- match(c("size", "country"), names(cran_df))
    cran_df[,r[1]:r[2]] %>% head(n=3) } )
##    user  system elapsed 
##   0.056   0.028   0.084

# plain R, using match and subset
system.time(for (i in 1:100) {
    r <- match(c("size", "country"), names(cran_df))
    subset(cran_df, select=r[1]:r[2]) %>% head(n=3) } )
##    user  system elapsed 
##  11.556   1.057  12.640

# dplyr
system.time(for (i in 1:100) select(cran_tbl_df,size:country))
##    user  system elapsed 
##   0.034   0.000   0.034

看起来 subset 的实现不够优化...

- Alexandre Halm

---

使用grep函数查找包含'var_1'、'var_2'或'var_3'的字符串时，您可以使用表达式'var_[12]'来更简洁地完成。这种方法被认为是一种常规技巧，而不是一种黑魔法。 - rawr

请注意，r <- 行可以替换为 r <- match(c("var_1", "var_2", "var_3"), names(table))。 - David Robinson

我不理解你的第三个测试：为什么要同时使用match和subset？为什么不直接使用subset(cran_df, select=size:country)呢？ - David Robinson

话虽如此，你对大型数据框的性能影响完全正确（在小型数据框上，“subset”实际上比“select”更快）。首先，看一下代码“base::subset.data.frame”：如果第二个参数缺失（即子集行），它只是创建一个向量“rep_len(TRUE, nrow(x))”，并使用该向量来子集行：这是一种浪费操作，因为我们只是查看列。 - David Robinson

@DavidRobinson：关于match和subset，我不知道可以这样做（懒得看subset的手册），我会修改的。 - Alexandre Halm

Answer 1

您可以使用内置的subset函数，它可以接受一个select参数，其语法类似于dplyr::select（尽管不完全相同）。请注意，删除列必须在第二步完成：

t1 <- subset(table, select = var1:var2)
t2 <- subset(t1, select = -var_3)

或者：

subset(subset(table, select = var1:var2), select = -var_3)

例如：

subset(subset(mtcars, select = c(mpg:wt)), select = -hp)

- David Robinson

---

谢谢，我会尝试的 - 这可能是在普通R中最好的了。 - Alexandre Halm