R语言删除数据框中零值占比超阈值列的代码执行失效问题求解

• 变量名大小写不匹配：首行定义的变量名是ZeroValRatio（首字母大写Z），第二行rename调用时错写为zeroValRatio（首字母小写z），会触发对象未找到错误，若运行时忽略报错继续执行，会调用环境中残留的旧zeroValRatio对象，导致计算逻辑完全偏离预期。
• 数值比较误用字符串格式：筛选阈值"0.3198630137"被包裹引号转为字符串类型，R会执行字典序比较而非数值大小比较，筛选出来的待删除列完全不符合要求。
• 待删除列名提取逻辑错误：经过多轮转换后drop是数据框类型，而非待删除列名的字符向量：
  • 执行names(train1) %in% drop时，%in%是判断字符是否存在于数据框的元素值中，而非判断是否为待删除列名，因此返回全为FALSE，导致df2保留所有列
  • colnames(drop)==colnames(train1)是逐位置相等判断，而非集合匹配，只有两对象列顺序完全对应时才会返回正确结果，大部分场景下会遗漏匹配项，导致该删的列没删掉。

无需多次转换数据框和转置，直接生成待删除的列名字符向量即可：

# 计算每列零值比例
zero_ratio <- colSums(train1 == 0) / nrow(train1)
# 指定阈值，筛选出比例高于阈值的列名
threshold <- 0.3198630137
drop_cols <- names(zero_ratio)[zero_ratio > threshold]
# 删除对应列
df <- train1[, !names(train1) %in% drop_cols]

如果偏好dplyr语法，可以用更简洁的写法：

library(dplyr)
df <- train1 %>%
  select(where(~sum(.x == 0)/n() <= 0.3198630137))

内容的提问来源于stack exchange，提问作者user17181673