在R语言中从不同数据框优雅选取指定列的方法

原始数据框定义 #

set.seed(123)

df1 <- data.frame(var1 = sample(c(0,1), replace=TRUE, size=500),
                 var2 = sample(c(0,1,99), replace=TRUE, size=500),
                 var3 = sample(c(0,1,2), replace=TRUE, size=500),
                 var4 = sample(c(0,1,3), replace=TRUE, size=500),
                 var5 = sample(c(0, 1, 2, 3), replace=TRUE, size=500))

df2 <- data.frame(var6 = sample(c(0,1,3), replace=TRUE, size=500),
                 var7 = sample(c(0,1,2), replace=TRUE, size=500),
                 var8 = sample(c(0,1), replace=TRUE, size=500),
                 var9 = sample(c(0,1), replace=TRUE, size=500),
                 var10 = sample(c(0, 1, 2, 3), replace=TRUE, size=500))

需求说明 #

需要从上述两个数据框中选取var2、var6、var9、var4和var10这几个变量，生成新的数据框df3。

初始实现（存在小错误） #

最初的写法分三步筛选再合并，但代码里merge时误写为合并两次selected_df1，正确写法应该是合并selected_df1和selected_df2：

selected_df1 <- df1 |> dplyr::select(var2, var4)
selected_df2 <- df2 |> dplyr::select(var6, var9, var10)
df3 <- merge(selected_df1, selected_df2) # 修正原代码中的重复合并问题

注意：这里merge在无共同匹配列时会生成笛卡尔积（250000行），和原数据框按行对应合并的预期不符，属于逻辑问题。

优化实现方案 #

方案1：按行绑定后筛选（高效且符合预期） #

因为两个数据框行数完全一致，直接按行绑定列再筛选是最合理的方式：

library(dplyr)

df3 <- bind_cols(df1, df2) |> 
  select(var2, var4, var6, var9, var10)

方案2：先分别筛选再绑定（单管道语句实现） #

如果想先完成各数据框的筛选再合并，也可以用管道在一条语句里完成：

df3 <- list(df1 |> select(var2, var4), df2 |> select(var6, var9, var10)) |> 
  bind_cols()

方案3：Base R 单语句实现（无需依赖dplyr） #

如果不想使用dplyr包，用原生R代码也能快速实现：

df3 <- data.frame(df1[c("var2", "var4")], df2[c("var6", "var9", "var10")])

内容的提问来源于stack exchange，提问作者Daniel James