R语言如何从data.frame数据框中移除所有二元变量

首先给出示例测试数据：

# 构造示例数据框
df <- data.frame(A=c(1,2,3), B=c(1,0,1), C=c(0.1, 0.011, 0.3), D=c(0, 0.5, 1))
df

运行后数据结构如下：

A B     C   D
1 1 1 0.100 0.0
2 2 0 0.011 0.5
3 3 1 0.300 1.0

实现方法 #

方法1：base R 原生实现（无需安装第三方包） #

核心判定逻辑：逐列统计非重复取值的数量，唯一值总数恰好为2的列判定为二元变量，做移除处理

# 筛选保留非二元变量的列
df_clean <- df[, sapply(df, function(x) length(unique(x)) != 2)]
df_clean

运行结果：

A     C   D
1 1 0.100 0.0
2 2 0.011 0.5
3 3 0.300 1.0

可以看到示例中的二元变量B已经被成功移除。

注意：如果数据中存在缺失值NA，可以将判断逻辑调整为length(unique(na.omit(x))) != 2，避免缺失值被算作独立取值干扰判断结果。

方法2：仅移除0/1型哑变量（适配特殊场景） #

如果你不需要移除所有仅含2个取值的列（比如两水平的分类列"男/女"、"是/否"需要保留），只需要移除取值仅为0和1的二元哑变量，可以用如下判断逻辑：

df_clean <- df[, sapply(df, function(x) !all(unique(x) %in% c(0, 1)))]

在当前示例数据下运行结果和方法1一致。

内容的提问来源于stack exchange，提问作者Tom