如何用dplyr保留1值占比超过50%的列？

步骤1：构造示例数据 #

先把你提供的表格转换成R数据框：

library(dplyr)

# 生成对应的数据框
df <- tibble(
  type_1 = c(0, 0, 0, 0, 1, 1),
  type_2 = c(0, 1, 0, 1, 0, 0),
  type_3 = c(1, 0, 1, 1, 1, 1)
)

步骤2：筛选符合条件的列 #

利用select()结合where()函数，对每一列计算1值的占比（即列的均值，因为0和1的均值就是1的比例），保留占比超过50%的列：

# 筛选1值占比>50%的列
filtered_df <- df %>%
  select(where(~ mean(., na.rm = TRUE) > 0.5))

逻辑说明 #

• where()函数会遍历数据框的每一列，对每一列执行后续的判断逻辑
• mean(., na.rm = TRUE)计算当前列的均值，同时忽略可能存在的缺失值（如果你的数据没有缺失值，na.rm = TRUE可以省略）
• 当均值大于0.5时，说明该列中1的占比超过50%，会被保留

执行后，filtered_df将只包含type_3列，符合你的需求。

内容的提问来源于stack exchange，提问作者Eisen