blocks|key|1618702|text|我们可以使用colSums来使用基R对列进行子集|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1618703|df[colSums(df+>+0.6)+>+0]

#+Jux+Gyno
#1+0.67+0.89
#2+0.11+0.65
#3+0.60+0.67
#4+0.09+0.01|code-block|syntax|javascript|1618704|或者用dplyr，select_if|1618705|library(dplyr)
df+%25>%25+select_if(~any(.+>+0.6))|1618706|entityMap^0|6|7|0|0|3|5|9|9|0|0^^$0|@$1|2|3|4|5|6|7|Q|8|@$9|R|A|S|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|T|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|U|8|@$9|V|A|W|B|C]|$9|X|A|Y|B|C]]|D|@]|E|$]]|$1|M|3|N|5|H|7|Z|8|@]|D|@]|E|$I|J]]|$1|O|3|-4|5|6|7|10|8|@]|D|@]|E|$]]]|P|$]]

We could use <code>colSums</code> to subset columns using base R

<pre><code>df[colSums(df &gt; 0.6) &gt; 0]

# Jux Gyno
#1 0.67 0.89
#2 0.11 0.65
#3 0.60 0.67
#4 0.09 0.01
</code></pre>

<hr>

Or with <code>dplyr</code>, <code>select_if</code>

<pre><code>library(dplyr)
df %&gt;% select_if(~any(. &gt; 0.6))
</code></pre>

blocks|key|1618748|text|df+<-+read.table(text='Alix++++Blim++++Jux+Gyno
0.105+++0.234+++0.67++++0.89
0.01++++0.542+++0.11++++0.65
0.003+++0.002+++0.6+++++0.67
0.009+++0.123+++0.09++++0.01
',+header=T)|type|code-block|depth|inlineStyleRanges|entityRanges|data|syntax|javascript|1618749|我们可以使用sapply在每一列中找到最大值，然后检查它是否大于0.6。这提供了一个逻辑向量，我们可以使用它按列对df进行子集：|unstyled|offset|length|style|CODE|1618750|df[,sapply(df,+max)+>+0.6]

+++Jux+Gyno
1+0.67+0.89
2+0.11+0.65
3+0.60+0.67
4+0.09+0.01|1618751|entityMap^0|0|6|6|1L|2|0|0^^$0|@$1|2|3|4|5|6|7|O|8|@]|9|@]|A|$B|C]]|$1|D|3|E|5|F|7|P|8|@$G|Q|H|R|I|J]|$G|S|H|T|I|J]]|9|@]|A|$]]|$1|K|3|L|5|6|7|U|8|@]|9|@]|A|$B|C]]|$1|M|3|-4|5|F|7|V|8|@]|9|@]|A|$]]]|N|$]]

<pre><code>df &lt;- read.table(text='Alix Blim Jux Gyno
0.105 0.234 0.67 0.89
0.01 0.542 0.11 0.65
0.003 0.002 0.6 0.67
0.009 0.123 0.09 0.01
', header=T)
</code></pre>

We can use <code>sapply</code> to find the max value in each column, then check if it's greater than 0.6. This gives a logical vector which we can use to subset <code>df</code> by column:

<pre><code>df[,sapply(df, max) &gt; 0.6]

 Jux Gyno
1 0.67 0.89
2 0.11 0.65
3 0.60 0.67
4 0.09 0.01
</code></pre>

blocks|key|2808582|text|>+df[+,+sapply(df,+function(x)+any(x>0.6))]
+++Jux+Gyno
1+0.67+0.89
2+0.11+0.65
3+0.60+0.67
4+0.09+0.01|type|code-block|depth|inlineStyleRanges|entityRanges|data|syntax|javascript|2808583|unstyled|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|G|8|@]|9|@]|A|$B|C]]|$1|D|3|-4|5|E|7|H|8|@]|9|@]|A|$]]]|F|$]]

<pre><code>&gt; df[ , sapply(df, function(x) any(x&gt;0.6))]
 Jux Gyno
1 0.67 0.89
2 0.11 0.65
3 0.60 0.67
4 0.09 0.01
</code></pre>

blocks|key|2808599|text|下面是一个带有base+R的Filter选项|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|2808600|Filter(function(x)+any(x+>+0.6),+df)
#++Jux+Gyno
#1+0.67+0.89
#2+0.11+0.65
#3+0.60+0.67
#4+0.09+0.01|code-block|syntax|javascript|2808601|或者使用transmute_if|2808602|library(dplyr)
df+%25>%25+
++++transmute_if(~+any(.x+>+0.6),+I)|2808603|或使用keep|2808604|library(purrr)
keep(df,+map_lgl(df,+~+any(.x+>+0.6)))|2808605|entityMap^0|7|6|E|6|0|0|4|C|0|0|3|4|0|0^^$0|@$1|2|3|4|5|6|7|U|8|@$9|V|A|W|B|C]|$9|X|A|Y|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|Z|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|10|8|@$9|11|A|12|B|C]]|D|@]|E|$]]|$1|M|3|N|5|H|7|13|8|@]|D|@]|E|$I|J]]|$1|O|3|P|5|6|7|14|8|@$9|15|A|16|B|C]]|D|@]|E|$]]|$1|Q|3|R|5|H|7|17|8|@]|D|@]|E|$I|J]]|$1|S|3|-4|5|6|7|18|8|@]|D|@]|E|$]]]|T|$]]

here is a <code>base R</code> option with <code>Filter</code>

<pre><code>Filter(function(x) any(x &gt; 0.6), df)
# Jux Gyno
#1 0.67 0.89
#2 0.11 0.65
#3 0.60 0.67
#4 0.09 0.01
</code></pre>

<hr>

Or using <code>transmute_if</code>

<pre><code>library(dplyr)
df %&gt;% 
 transmute_if(~ any(.x &gt; 0.6), I)
</code></pre>

Or with <code>keep</code>

<pre><code>library(purrr)
keep(df, map_lgl(df, ~ any(.x &gt; 0.6)))
</code></pre>

blocks|key|1618803|text|请为今后的问题提供一个可重复的例子。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1618804|以下是我的dplyr解决方案：|1618805|library(tidyverse)

df+<-+tibble(First+=+0:5,
+++++++++++++Second+=+10:15,
+++++++++++++Third+=+20:25)

is_greater_than+<-+function(x)+any(x+>+10)

select_if(df,+is_greater_than)|code-block|syntax|javascript|1618806|entityMap^0|0|0|0^^$0|@$1|2|3|4|5|6|7|K|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|L|8|@]|9|@]|A|$]]|$1|D|3|E|5|F|7|M|8|@]|9|@]|A|$G|H]]|$1|I|3|-4|5|6|7|N|8|@]|9|@]|A|$]]]|J|$]]

Please provide a reproducible example for future questions.

Here is my dplyr solution:

<pre><code>library(tidyverse)

df &lt;- tibble(First = 0:5,
 Second = 10:15,
 Third = 20:25)

is_greater_than &lt;- function(x) any(x &gt; 10)

select_if(df, is_greater_than)
</code></pre>

I have a dataframe:

<pre><code>Alix Blim Jux Gyno
0.105 0.234 0.67 0.89
0.01 0.542 0.11 0.65
0.003 0.002 0.6 0.67
0.009 0.123 0.09 0.01
</code></pre>

From the above dataframe, I will like to extract all columns having values greater than 0.6 as below:

<pre><code>Jux Gyno
0.67 0.89
0.11 0.65
0.6 0.67
0.09 0.01
</code></pre>

Here's my code that didn't work:

<pre><code>out &lt;- vector()

for(i in colnames(df){
 if(df[i] &gt; 0.6){
 T &lt;- df[,i]
 }
 out &lt;- cbind.data.frame(out,T)
}
</code></pre>

I got an error like:

<pre><code>Error in data.frame(Check.names= F...). Argument imply differing number of rows.....
</code></pre>

Extracting columns having greater than certain values in R dataframe

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我有个数据：Alix    Blim    Jux Gyno0.105   0.234   0.67    0.890.01    0.542   0.11    0.650.003   0.002   0.6     0.670.009   0.123   0.09    0.01我想从上面的数据中提取值大于0.6的...

问提取R数据中大于某些值的列
EN

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问提取R数据中大于某些值的列EN