如何根据行中值的范围/特定值筛选数据列？

首先初始化示例数据（方便复现）：

library(data.table)
dt <- structure(list(X1 = c(35L, 45L, 67L, 890L, 23L, 4L, 5L, 34L, 78L, 12L, 3L), 
                     X2 = c(100L, 2345L, 3467L, 235L, 46L, 76L, 32L, 17L, 346L, 789L, 32L), 
                     X3 = c(345L, 67L, 45L, 342L, 67L, 31L, 6L, 78L, 9L, 34L, 23L), 
                     X4 = c(23L, 45L, 657L, 231L, 456L, 342L, 56L, 44567L, 3211L, 2342L, 2L)), 
                row.names = c(NA, -11L), class = c("data.table", "data.frame"))

问题1：用data.table一行代码实现筛选 #

完全可以，直接利用data.table的.SDcols参数做列选择，一行搞定：

# 筛选包含值5的列（两种写法任选）
dt[, .SD, .SDcols = lapply(.SD, function(x) any(x == 5))]
# 更简洁的colSums写法
dt[, .SD, .SDcols = colSums(.SD == 5) > 0]

原理：.SDcols接受逻辑向量标记需要保留的列；any(x ==5)判断列中是否存在目标值，colSums(.SD ==5)统计每列符合条件的行数，大于0即说明该列存在目标值。

问题2：指定值范围（如>5 & <1000） #

只需要把条件替换成范围判断即可，同样用.SDcols实现：

# 筛选存在值在(5,1000)区间内的列
dt[, .SD, .SDcols = lapply(.SD, function(x) any(x > 5 & x < 1000))]
# 简洁版
dt[, .SD, .SDcols = colSums(.SD > 5 & .SD < 1000) > 0]

如果需求是所有行的值都在该范围内，把any换成all即可：

# 筛选所有行值都在(5,1000)区间内的列
dt[, .SD, .SDcols = lapply(.SD, function(x) all(x > 5 & x < 1000))]

问题3：转置后用dplyr的filter_all是否更合适？ #

没必要，原因如下：

• data.table原生语法已经足够高效简洁，不需要转置这种额外操作，转置会增加内存开销（尤其是大数据集场景）
• filter_all是dplyr针对行筛选的工具，转置后将列转为行再筛选属于绕路操作，代码可读性和执行效率都不如直接用data.table原生方法
• 如果一定要用dplyr处理，也不需要转置，直接用select_if即可（和你之前的思路一致）：

library(dplyr)
dt %>% select_if(~any(.x == 5))

但对于data.table格式的数据，优先使用其原生语法，在大数据量下性能优势明显。

内容的提问来源于stack exchange，提问作者pemb_bex6789