如何在数据集中去除定性预测变量？用range()简化操作

基础R方案 #

先加载数据集，排除指定的2个定性变量后批量应用range()函数：

require(ISLR)
data(Auto)

# 排除定性变量origin和name，得到定量变量子集
auto_quantitative <- Auto[, !names(Auto) %in% c("origin", "name")]

# 批量计算每列的range，结果以列表形式返回
variable_ranges <- lapply(auto_quantitative, range)

# 可选：将列表转为数据框，方便查看
range_results <- as.data.frame(do.call(rbind, variable_ranges))
colnames(range_results) <- c("最小值", "最大值")
print(range_results)

Tidyverse方案（更简洁） #

若习惯用tidyverse工具链，可通过管道流实现更直观的操作：

library(tidyverse)
library(ISLR)
data(Auto)

Auto %>%
  select(-origin, -name) %>%  # 移除两个定性变量
  map(range) %>%  # 对每列批量计算range
  bind_rows(.id = "变量名称") %>%  # 转换为结构化数据框
  rename(最小值 = V1, 最大值 = V2)

关键说明 #

• Auto数据集中的origin（产地）和name（车型名称）是定性变量，其余7列均为定量变量，与你手动罗列的变量完全一致。
• 通过!names(Auto) %in% c("origin", "name")可快速筛选出所有定量变量，避免手动逐个输入变量名的繁琐操作。
• lapply（基础R）和map（tidyverse）都是批量处理函数，能一次性对所有目标列应用range()，提升代码效率。

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