要在data.frame中删除名为"foo"的专栏，我可以做:
df <- df[-grep('foo', colnames(df))]
然而，一旦df被转换为data.table对象，就没有办法只删除一列.
例子:
df <- data.frame(id = 1:100, foo = rnorm(100))
df2 <- df[-grep('foo', colnames(df))] # works
df3 <- data.table(df)
df3[-grep('foo', colnames(df3))]
但一旦它被转换成data.table个对象，这就不再有效了.
以下任何一项都将从数据中删除第foo列.表df3:
# Method 1 (and preferred as it takes 0.00s even on a 20GB data.table)
df3[,foo:=NULL]
df3[, c("foo","bar"):=NULL] # remove two columns
myVar = "foo"
df3[, (myVar):=NULL] # lookup myVar contents
# Method 2a -- A safe idiom for excluding (possibly multiple)
# columns matching a regex
df3[, grep("^foo$", colnames(df3)):=NULL]
# Method 2b -- An alternative to 2a, also "safe" in the sense described below
df3[, which(grepl("^foo$", colnames(df3))):=NULL]
data.table还支持以下语法:
## Method 3 (could then assign to df3,
df3[, !"foo"]
不过，如果你真的想从df3中删除第"foo"列(而不是只打印df3减go 第"foo"列的视图)，你真的应该使用方法1.
(请注意，如果使用依赖于grep()或grepl()的方法，如果不希望名称为"fool"和"buffoon"的列(即包含foo作为子字符串的列)也被匹配和删除，则需要设置pattern="^foo$"而不是"foo".)
接下来的两个习惯用法也会起作用——if 100 contains a column matching 101——但如果不起作用，可能会以意想不到的方式失败.例如，如果使用其中任何一个来搜索不存在的列"bar"，那么最终将得到一个零行数据.桌子
因此，它们最适合交互使用，例如，人们可能想要显示数据.表减go 名称中包含子字符串"foo"的所有列.出于编程目的(或者如果你想从df3中删除列，而不是从它的副本中删除列)，方法1、2a和2b确实是最好的 Select .
# Method 4:
df3[, .SD, .SDcols = !patterns("^foo$")]
最后还有使用with=FALSE的方法，尽管data.table正在逐渐远离使用这个论点，所以现在不鼓励你在可以避免的地方使用它；在此处显示，以便您知道该选项的存在，以防您确实需要它:
# Method 5a (like Method 3)
df3[, !"foo", with=FALSE]
# Method 5b (like Method 4)
df3[, !grep("^foo$", names(df3)), with=FALSE]
# Method 5b (another like Method 4)
df3[, !grepl("^foo$", names(df3)), with=FALSE]