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]

另一种方法可能如下:-

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

Numerical_variables <- which(sapply(df, is.numeric))
# then extract column names 
Names <- names(Numerical_variables)

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))

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)

编辑:更新，以避免使用不明智的应用。

由于数据帧是一个列表，我们可以使用list-apply函数:

nums <- unlist(lapply(x, is.numeric), use.names = FALSE)  

然后是标准子集

x[ , nums]

## don't use sapply, even though it's less code
## nums <- sapply(x, is.numeric)

对于一个更习惯的现代R，我现在推荐

x[ , purrr::map_lgl(x, is.numeric)]

更少的可编程性，更少的反映R的特殊癖好，更直接，更健壮地用于数据库后端tibbles:

dplyr::select_if(x, is.numeric)

新版本的dplyr也支持以下语法:

x %>% dplyr::select(where(is.numeric))