如何用dplyr同时按列名和列值筛选data.frame的列？

我来帮你搞定这个问题～你想用dplyr同时按列名和列值筛选data.frame的列，原来的代码报错是因为select_if的用法不对，而且现在dplyr更推荐用select()结合where()来实现这类逻辑。

首先先明确需求：保留列名为x，或者列均值大于5的列，基础R的写法已经能实现，那dplyr里可以这么做：

方法1：使用select() + where() + cur_column() #

library(dplyr)

df <- data.frame(x=4, y=6, z=3)
df %>% 
  select(where(~ (cur_column() == "x") | (mean(.) > 5)))

这里cur_column()是dplyr里的函数，用来获取当前正在处理的列的列名，这样我们就能把“列名等于x”和“列均值大于5”这两个条件用逻辑或（|）连接起来，传给where()作为筛选每一列的判断依据。

方法2：直接生成逻辑向量传给select() #

这个方法和你基础R的写法很像，在管道里用.代表当前的data.frame：

df %>% 
  select(names(.) == "x" | colMeans(.) > 5)

这里names(.)获取所有列名，colMeans(.)计算每列的均值，两者生成的逻辑向量合并后，select()就会保留结果为TRUE的列。

为什么原来的代码报错？ #

你原来用select_if(matches('x') | mean(.) > 5)报错，原因有两个：

1. select_if()属于dplyr的旧版语法，现在官方更推荐用select(where())替代；
2. matches('x')是tidyselect的列选择器，它是用来直接选择列的，而select_if()的参数需要是一个针对每一列的函数，这两种语法不能直接用|混合，所以才会出现No tidyselect variables were registered的错误。

运行上面两种dplyr的方法，都会得到和基础R一样的结果：

x y
1 4 6

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