如何高效获取数据框中符合因子类型的列名？

嘿，这个问题我刚好研究过！先给你明确：你找到的两种方法其实都能解决问题，但确实有更直接、性能更优的方式，尤其是当数据框规模较大的时候。

先回顾你的示例数据：

factorVar <- as.factor(LETTERS[1:10])
df1 <- data.frame(x = 1, y = 1:10, factorVar = sample(factorVar, 10))

先分析你现有的两种方案 #

• select_if方案：names(select_if(df1, is.factor))
  这个方法可读性很好，但正如你担心的，select_if会先创建一个筛选后的tibble，再提取列名——对于大数据框来说，这会额外占用内存，效率确实有提升空间。

• sapply方案：colnames(df1)[sapply(df1,is.factor)]
  这个比第一种好很多，因为它直接遍历列的类型，不需要生成新的数据框。不过sapply会自动推断返回类型，在性能上还有一点点优化空间。

更高效的替代方案 #

1. 用vapply代替sapply

vapply是sapply的“严格版”，预先指定返回值类型（这里是logical(1)），避免了类型推断的开销，速度更快且更安全：

vector3 <- colnames(df1)[vapply(df1, is.factor, logical(1))]

2. 用Filter函数直接筛选列名

这个方法更简洁，直接对列名列表进行过滤，逻辑清晰且效率很高：

vector4 <- Filter(function(col) is.factor(df1[[col]]), colnames(df1))

性能对比（针对大数据框） #

如果你的数据框很大，比如包含上千列，这些方法的差异会更明显。我用一个测试数据框做了对比：

# 生成测试用的大数据框
set.seed(123)
big_df <- data.frame(
  matrix(rnorm(1e6), ncol = 1000),  # 1000个数值列
  lapply(1:200, function(x) as.factor(sample(LETTERS, 1000, replace = TRUE)))  # 200个因子列
)

# 用microbenchmark测试耗时
microbenchmark::microbenchmark(
  select_if = names(dplyr::select_if(big_df, is.factor)),
  sapply = colnames(big_df)[sapply(big_df, is.factor)],
  vapply = colnames(big_df)[vapply(big_df, is.factor, logical(1))],
  Filter = Filter(function(col) is.factor(big_df[[col]]), colnames(big_df)),
  times = 100
)

测试结果通常是：vapply和Filter的速度最快，sapply次之，select_if最慢（因为要处理tibble的额外结构开销）。

总结 #

• 如果追求最高效率，优先选vapply或Filter的方法，它们不需要生成中间数据结构，直接基于列类型筛选列名。
• 如果你的代码已经在使用dplyr生态，select_if的可读性很好，小数据框下完全够用，没必要刻意替换。

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