如何从DataFrame列表中按指定列名筛选数据子集？

需求说明 #

需要从包含多个DataFrame的列表中，为每个DataFrame保留指定列（示例中为A列和D列）。

示例数据：

MyDfList <- list(
  data.frame(A = "S1", B = "2208", C ="2399", D="1.086504"),
  data.frame(A = "S2", B = "6756", C ="6970", D="1.031676"),
  data.frame(A = "S3", B = "8271", C ="8401", D="1.015718")
)

尝试的代码未达到预期效果：

# 返回每个DataFrame是否包含A、D列的逻辑值，未做列筛选
out0<-lapply(MyDfList , function(x) c("A","D") %in% colnames(x))

# 筛选列表中同时包含A、D列的DataFrame，而非对每个DataFrame做列筛选
out1 <- Filter(function(x) c("A","D") %in% names(x), MyDfList )

# 同上，仅筛选列表中的DataFrame，未处理列子集
out2<-MyDfList[sapply(MyDfList , function(x) c("A","D") %in% colnames(x))]

问题原因 #

你之前的代码都是在筛选列表中的DataFrame对象（判断哪些DataFrame同时包含A、D列并保留），而不是对每个DataFrame内部的列进行子集筛选，这和需求不匹配。

正确实现方式 #

方法1：基础R实现 #

用lapply遍历列表，对每个DataFrame直接提取指定列：

# 直接保留每个DataFrame的A、D列
out <- lapply(MyDfList, function(x) x[, c("A", "D")])

如果需要兼容部分DataFrame缺失指定列的情况（避免报错），可以先取交集再提取：

out <- lapply(MyDfList, function(x) {
  target_cols <- intersect(c("A", "D"), colnames(x))
  x[, target_cols]
})

方法2：tidyverse风格实现 #

借助purrr和dplyr包，语法更简洁：

library(purrr)
library(dplyr)

# 保留指定列，all_of确保严格匹配列名
out <- map(MyDfList, select, all_of(c("A", "D")))

# 如果允许忽略缺失列，改用any_of
# out <- map(MyDfList, select, any_of(c("A", "D")))

内容的提问来源于stack exchange，提问作者Debajyoti Kabiraj