如何用R语言按列出现次数筛选Data Frame：保留超4样地物种

咱们先理清楚你的需求：你有一个记录样地和物种数量的Data Frame，想要提取出**在超过4个样地中出现（即非零值数量>4）**的物种，同时保留样地编号列对吧？

首先先确认你的原始数据框代码：

df <- data.frame(
  plot = c(1, 2, 3, 4, 5, 6, 7, 8, 9),
  speciesA = c(5, 0, 10, 0, 8, 45, 0, 0, 17),
  speciesB = c(0, 0, 0, 0, 0, 0, 0, 0, 0),
  speciesC = c(0.7, 0, 17, 0, 0, 8, 0, 9, 0),
  speciesD = c(1, 0, 0, 3, 0, 0, 0, 9, 1)
)

你原来代码的问题 #

你用colSums(df != 0)统计非零次数的思路是对的，但后面的筛选代码df[,which(apply(df,2,colSums)> 4)]有两个问题：

1. apply(df,2,colSums)完全没必要——colSums本身就是按列求和的函数，apply把每一列单独传给colSums，得到的是每列的数值总和，而不是非零值的数量；
2. 没有排除plot列——样地编号不是物种，统计的时候不该把它算进去。

正确的解决方法 #

我们可以分两步来做，或者一步到位：

方法1：分步清晰版

1. 先计算每个物种的非零样地数（跳过plot列）：

# 统计除plot外每列的非零值数量
species_occur <- colSums(df[-1] != 0)
species_occur
# 输出结果：speciesA speciesB speciesC speciesD 
#               5        0        4        4

2. 筛选出符合条件（非零次数>4）的物种，再把plot列加回来：

# 提取符合条件的物种名
selected_species <- names(species_occur[species_occur > 4])
# 构建新的Data Frame
df2 <- df[, c("plot", selected_species)]

方法2：一步简洁版

直接用逻辑向量筛选列，第一列（plot）强制保留，后面的列判断是否满足非零次数>4：

df2 <- df[, c(TRUE, colSums(df[-1] != 0) > 4)]

两种方法得到的df2都会保留plot列和speciesA列（因为它在5个样地中出现，满足>4的条件），其他物种都会被过滤掉。

内容的提问来源于stack exchange，提问作者Kactus