R语言如何筛选列名唯一的列，排除重复列名的冗余列？

基础R实现（无需依赖第三方包） #

核心逻辑是通过duplicated()判断列名的重复状态，仅保留首次出现的列：

# 假设你的数据集存储为数据框df
df_filtered <- df[, !duplicated(colnames(df))]

duplicated(colnames(df))会返回与列数等长的逻辑向量，首次出现的列名对应值为FALSE，后续重复出现的对应值为TRUE，取反后索引即可筛选出所有列名第一次出现的列。

可以用以下测试代码验证效果，和你给出的数据集结构完全一致：

# 构造模拟数据集，保留原生重复列名
df_test <- data.frame(
  Samples = c("S1", "S2", "S3"),
  col1 = c(12, 25, 18),
  col2 = c(32, 17, 9),
  col3 = c(4, 6, 2),
  col4 = c(7, 3, 5),
  col2 = c(0.001, 0.003, 0.002),
  col1 = c(0.0005, 0.0002, 0.0004),
  check.names = FALSE # 关闭R默认自动重命名重复列的机制
)

# 执行列去重
df_filtered <- df_test[, !duplicated(colnames(df_test))]
# 查看输出列名，符合仅保留首次出现列的要求
colnames(df_filtered)
# 输出结果：[1] "Samples" "col1"    "col2"    "col3"    "col4"

注意事项 #

如果是从本地csv/tsv文件读入数据集，需要在读入时添加check.names = FALSE参数，避免R自动给重复列名加.1/.2后缀导致去重逻辑失效：

# 读入数据示例
df <- read.csv("你的数据集文件路径.csv", check.names = FALSE, row.names = 1)

dplyr 实现（适配tidyverse工作流） #

如果你习惯用tidyverse套件处理数据，可以用如下写法：

library(dplyr)
df_filtered <- df %>%
  select(which(!duplicated(colnames(.))))

内容的提问来源于stack exchange，提问作者camcecc10