如果你有很多因子变量，你可以使用select_if函数。 安装dplyr包。有许多函数通过满足一个条件来分离数据。你可以设置条件。

像这样使用。

categorical<-select_if(df,is.factor)
str(categorical)

iris %>% dplyr::select(where(is.numeric)) #as per most recent updates

purrr的另一个选项是否定丢弃函数:

iris %>% purrr::discard(~!is.numeric(.))

如果你想要数值列的名称，你可以添加名称或冒号:

iris %>% purrr::discard(~!is.numeric(.)) %>% names

另一种方法可能如下:-

#extracting numeric columns from iris datset
(iris[sapply(iris, is.numeric)])

这并不能直接回答问题，但非常有用，特别是当你想要除id列和因变量外的所有数字列时。

numeric_cols <- sapply(dataframe, is.numeric) %>% which %>% 
                   names %>% setdiff(., c("id_variable", "dep_var"))

dataframe %<>% dplyr::mutate_at(numeric_cols, function(x) your_function(x))

这是其他答案的替代代码:

x[, sapply(x, class) == "numeric"]

用一个数据表

x[, lapply(x, is.numeric) == TRUE, with = FALSE]

dplyr包的select_if()函数是一个优雅的解决方案:

library("dplyr")
select_if(x, is.numeric)