大家好，我是飞哥呀。
我们知道，R语言学习，80%的时间都是在清洗数据，而选择合适的数据进行分析和处理也至关重要，如何选择合适的列进行分析，你知道几种方法？
如何优雅高效的选择合适的列，让我们一起来看一下吧。
目录标题
- 1. 数据描述
- 2. 使用R语言默认的方法：列选择
- 3. tidyverse的rename函数
- 4. tidyverse的select函数
- 5. select函数注意事项
- 5.1 绝对引用函数
- 5.2 放到环境变量中
- 6. 提取h开头的列
- 7. 提取因子和数字的列
1. 数据描述
数据来源是我编写的R包learnasreml中的fm数据集。
r$> library(learnasreml)
r$> data(fm)
r$> head(fm)
我们的目的：
提取fm的TreeID，Rep，dj，dm，h3，并重命名为：ID, F1, y1 , y2, y3
2. 使用R语言默认的方法：列选择
这一种，当然是简单粗暴的方法，想要哪一列，就把相关的列号提取出来，形成一个向量，进行操作即可。比如
r$> d1 = fm[,c(1,3,6,7,11)]
r$> head(d1)
TreeID Rep dj dm h3
1 80001 1 0.334 0.405 239
2 80002 1 0.348 0.393 242
3 80004 1 0.354 0.429 180
4 80005 1 0.335 0.408 301
5 80008 1 0.322 0.372 271
6 80026 1 0.359 0.450 258
r$> names(d1) = c("ID","F1","y1","y2","y3")
r$> head(d1)
结果：
缺点：
这种方法，需要找到性状所在的列号，然后还要重命名，比较麻烦。
而且，后面如果想要根据列的特征进行提取时（比如以h开头的列，比如属性为数字或者因子的列等等），就不能实现了。
这就要用到tidyverse的函数了，select，rename，都是一等一的良将。
3. tidyverse的rename函数
代码：
a2 = fm %>% rename(ID=TreeID, F1 = Rep, y1 = dj, y2 = dm, y3 = h3)
这里，rename只是单独的修改名称，并没有提取出来。
还要使用select进一步的提取：
4. tidyverse的select函数
如果使用select函数，一行代码就可以搞定：
a1 = fm %>% select(ID=TreeID, F1 = Rep, y1 = dj, y2 = dm, y3 = h3)
5. select函数注意事项
常见的坑：
注意，MASS包中也有select函数，而且优先级更高，如果你载入了MASS包，select就不能使用了。
哪怕你再次载入tidyverse包，也不行：
载入dplyr包，也不行：
MASS就是这么豪横。
像这种情况，解决办法有两种：
5.1 绝对引用函数
即使用select时，要用dplyr::select
a3 = a2 %>% dplyr::select(ID,F1,y1,y2,y3)
这样也比较麻烦。
5.2 放到环境变量中
推荐的方法：
r$> select = dplyr::select
r$> a3 = a2 %>% select(ID,F1,y1,y2,y3)
推荐在载入包时，将下面代码放在开头，就可以肆无忌惮的应用select了，毕竟，环境变量的优先级是第一位的。
library(tidyverse)
select = dplyr::select
6. 提取h开头的列
这里，用starts_with，会匹配开头为h的列。
其它还有contains，匹配包含的字符，还有end_with，匹配结尾的字符。
应有尽有，无所不有。
re1 = fm %>% select(starts_with("h"))
7. 提取因子和数字的列
匹配数字的列：
re2 = fm %>% select_if(is.numeric)
匹配为因子的列：
re3 = fm %>% select_if(is.factor)
同志们，你学会了吗？
关注我，不迷路。
欢迎关注我的公众号：
育种数据分析之放飞自我。主要分享R语言，Python，育种数据分析，生物统计，数量遗传学，混合线性模型，GWAS和GS相关的知识。
