这是个很常见的需求，我来给你分享几个简便的实现方法，完全符合你要保留原列顺序、排除NA的要求：

第一步：先构造你的示例数据框 #

先把你提到的dat1还原出来，方便测试：

dat1 <- data.frame(
  a = c(0.1, 2, 3),
  b = c(0.8, 1, 4),
  c = c(0.9, 5, 2),
  d = c(NA, 3, 1)
)

第二步：核心筛选逻辑（清晰版） #

假设我们要保留第一行前2大值的列，代码如下：

n <- 2

# 1. 提取第一行的值，降序排序并排除NA（NA不会被计入前n大）
top_n_values <- head(sort(dat1[1, ], decreasing = TRUE, na.last = NA), n)

# 2. 按原列顺序筛选出第一行值属于前n大的列
keep_cols <- names(dat1)[dat1[1, ] %in% top_n_values]

# 3. 生成最终的子集数据框
result <- dat1[, keep_cols, drop = FALSE]

运行后result就是只保留b、c列的data frame，完全符合你的要求。

简化成一行代码 #

如果追求简洁，也可以把逻辑合并成一行：

n <- 2
result <- dat1[, names(dat1)[dat1[1, ] %in% head(sort(dat1[1, ], decreasing = TRUE, na.last = NA), n)], drop = FALSE]

关键细节说明 #

• na.last = NA 参数确保NA会被直接排除，不会干扰前n大值的筛选（就像你例子里的d列直接被移除）。
• 用names(dat1)[dat1[1, ] %in% ...] 是按原数据框的列顺序逐个检查，所以最终保留的列顺序和原数据框完全一致。
• drop = FALSE 是为了防止筛选后只剩一列时，结果变成向量，始终保持data frame的结构。

处理特殊情况：第一行有重复值 #

如果第一行存在多个相同的前n大值，比如第一行有两个0.9，这个方法也能自动保留所有对应的列，不会遗漏。

内容的提问来源于stack exchange，提问作者Mataunited18