R 中 select 列的规范方式

Question

我正在比较 dplyr 和 "plain R" 中常见的 "tidying" 操作（请参阅 output here and source here 了解我的意思）。

我很难找到一种 "canonical" 和简洁的 方法来 select 仅使用变量名的列（按规范，我的意思是，纯普通R 并且对于任何对 R 了解最少的人来说都很容易理解（所以没有 "voodoo trick"））。

示例：

## 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]) ]

有什么改进纯 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，并注意到 match 和 subset 的使用导致性能意外下降：

# 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 的实现不是最理想的...

Answer 1

您可以使用内置的 subset 函数，它可以接受一个 select 参数，该参数遵循与 dplyr::select 相似（但不完全相同）的语法。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：

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

例如：

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

R 中 select 列的规范方式

Canonical way to select columns in R

r

dplyr