从数据集中选择变量一直是一个挑战，而select()函数可以快速生成一个有用的变量子集。
按名称选择列
library(dplyr)
library(nycflights13)
select(flights,year,month,day)
# A tibble: 336,776 x 3
year month day
<int> <int> <int>
1 2013 1 1
2 2013 1 1
3 2013 1 1
4 2013 1 1
5 2013 1 1
6 2013 1 1
7 2013 1 1
8 2013 1 1
9 2013 1 1
10 2013 1 1
# ... with 336,766 more rows
选择"year"和"day"之间的所有列，包括"year"和"day"
select(flights,year:day)
# A tibble: 336,776 x 3
year month day
<int> <int> <int>
1 2013 1 1
2 2013 1 1
3 2013 1 1
4 2013 1 1
5 2013 1 1
6 2013 1 1
7 2013 1 1
8 2013 1 1
9 2013 1 1
10 2013 1 1
# ... with 336,766 more rows
选择不在"year"和"day"之间的所有列，不包括"year"和"day"
select(flights,-(year:day))
# A tibble: 336,776 x 16
dep_time sched_dep_time dep_delay arr_time sched_arr_time arr_delay carrier flight
<int> <int> <dbl> <int> <int> <dbl> <chr> <int>
1 517 515 2 830 819 11 UA 1545
2 533 529 4 850 830 20 UA 1714
3 542 540 2 923 850 33 AA 1141
4 544 545 -1 1004 1022 -18 B6 725
5 554 600 -6 812 837 -25 DL 461
6 554 558 -4 740 728 12 UA 1696
7 555 600 -5 913 854 19 B6 507
8 557 600 -3 709 723 -14 EV 5708
9 557 600 -3 838 846 -8 B6 79
10 558 600 -2 753 745 8 AA 301
# ... with 336,766 more rows, and 8 more variables: tailnum <chr>, origin <chr>,
# dest <chr>, air_time <dbl>, distance <dbl>, hour <dbl>, minute <dbl>,
# time_hour <dttm>
还可以在select()函数中使用一些辅助函数
starts_with("abc"):匹配以"abc"开头的名称。
ends_with("xyz"):匹配以"xyz"结尾的名称。
contains("ijk"):匹配包含"ijk"的名称。
matches("(.)\\1"):选择匹配正则表达式的那些变量。
num_range("x",1:3):匹配x1,x2和x3。
更改变量名
select()可以重命名变量，但是我们很少使用它，因为这样会丢掉所有未明确提及的变量，我们一般采用select()的变体函数rename()来重命名变量，以保留所有未明确提及的变量。
比如：
rename(flights,tail_num = tailnum)
更换列的位置
如果我们想要筛选出需要的变量列而又保留其它列，可以加入everything()函数。
筛选出time_hour，air_time列，并保留其他列（把time_hour，air_time提到最前方，并保留其它列）：
select(flights,time_hour,air_time,everything())
# A tibble: 336,776 x 19
time_hour air_time year month day dep_time sched_dep_time dep_delay
<dttm> <dbl> <int> <int> <int> <int> <int> <dbl>
1 2013-01-01 05:00:00 227 2013 1 1 517 515 2
2 2013-01-01 05:00:00 227 2013 1 1 533 529 4
3 2013-01-01 05:00:00 160 2013 1 1 542 540 2
4 2013-01-01 05:00:00 183 2013 1 1 544 545 -1
5 2013-01-01 06:00:00 116 2013 1 1 554 600 -6
6 2013-01-01 05:00:00 150 2013 1 1 554 558 -4
7 2013-01-01 06:00:00 158 2013 1 1 555 600 -5
8 2013-01-01 06:00:00 53 2013 1 1 557 600 -3
9 2013-01-01 06:00:00 140 2013 1 1 557 600 -3
10 2013-01-01 06:00:00 138 2013 1 1 558 600 -2
# ... with 336,766 more rows, and 11 more variables: arr_time <int>,
# sched_arr_time <int>, arr_delay <dbl>, carrier <chr>, flight <int>, tailnum <chr>,
# origin <chr>, dest <chr>, distance <dbl>, hour <dbl>, minute <dbl>
网友评论