虽然这应该是一个评论，因为你说你是新的R让我花更多的空间来解释这在一个非技术性的方式，因为它是明确的有一些混乱。
首先，当你在R中使用方括号（即df[x,y]）进行索引时，x部分（逗号之前）查看行，而y部分查看列。你的问题标题问的是删除列，但你的问题问的是删除行。所以我将介绍这两个部分。
假设您有这些数据（注意有些数据缺少（NA）值）：

set.seed(123)
n <- 10
df <- data.frame(Age = sample(c(1:100, NA), n, replace = TRUE),
                 Gender = sample(c("Male", "Female", NA), n, replace = TRUE),
                 Cofactor = rep(LETTERS, length.out = n),
                 Cofactor2 = sample(c("Yes", "No", "Maybe", NA), n, replace = TRUE),
                 Cofactor3 = runif(n))

#    Age Gender Cofactor Cofactor2  Cofactor3
# 1   31 Female        A       Yes 0.02461368
# 2   79   Male        B     Maybe 0.47779597
# 3   51 Female        C      <NA> 0.75845954
# 4   14   <NA>        D        No 0.21640794
# 5   67   Male        E     Maybe 0.31818101
# 6   42   <NA>        F        No 0.23162579
# 7   50   <NA>        G       Yes 0.14280002
# 8   43   Male        H        No 0.41454634
# 9   NA   Male        I     Maybe 0.41372433
# 10  14   Male        J      <NA> 0.36884545

删除行

您可以使用数字按行位置索引行-即，如果您要保留或删除前三行：

# keep 
df[1:3, ]

# drop
df[-c(1:3),]

请注意，命令位于x索引位置（逗号左侧）。如果要删除男性的观测（行），可以通过以下几种方式执行此操作。例如：

df[!(df$Gender %in% "Male"),]

# or using `which()`
df[-(which(df$Gender %in% "Male")),]

#   Age Gender Cofactor1  Cofactor2
# 1  31 Female       Yes 0.02461368
# 3  51 Female      <NA> 0.75845954
# 4  14   <NA>        No 0.21640794
# 6  42   <NA>        No 0.23162579
# 7  50   <NA>       Yes 0.14280002

!的意思是“非”--所以这是“选择 * 非 * 男性的行”-- * 包括 * NA值。
如果您这样做：

df[df$Gender %in% "Female",]

# or 
df[which(df$Gender %in% "Female"),]

#   Age Gender Cofactor1  Cofactor2
# 1  31 Female       Yes 0.02461368
# 3  51 Female      <NA> 0.75845954

这将是“包括所有性别为女性的人”-注意NA！=女性，所以他们不包括在内。
类似地，如果要在Cofactor1中同时包含“yes”和“maybe”：

df[df$Cofactor1 %in% c("Yes", "Maybe"),]

#   Age Gender Cofactor1  Cofactor2
# 1  31 Female       Yes 0.02461368
# 2  79   Male     Maybe 0.47779597
# 5  67   Male     Maybe 0.31818101
# 7  50   <NA>       Yes 0.14280002
# 9  NA   Male     Maybe 0.41372433

请注意，我使用的是%in%，而不是==，这是因为vector recycling-看看当我使用==时会发生什么（提示，它会产生不想要的结果）：

df[df$Cofactor1 == c("Yes", "Maybe"),]

#     Age Gender Cofactor1  Cofactor2
#1     31 Female       Yes 0.02461368
#2     79   Male     Maybe 0.47779597
#NA    NA   <NA>      <NA>         NA
#7     50   <NA>       Yes 0.14280002
#NA.1  NA   <NA>      <NA>         NA

使用==的正确方法要冗长得多（df[(df$Cofactor1 == "Yes"| df$Cofactor1 == "Maybe") & !is.na(df$Cofactor1),]，所以在这里使用%in%是一个很好的选择。

保留/删除列

索引列位于索引的y位置（逗号的右侧）。如果数据中有大量不需要的列，只需通过按名称（或列号：

df[,c("Age", "Gender")]

# or df[, 1:2]

#    Age Gender
# 1   31 Female
# 2   79   Male
# 3   51 Female
# 4   14   <NA>
# 5   67   Male
# 6   42   <NA>
# 7   50   <NA>
# 8   43   Male
# 9   NA   Male
# 10  14   Male

但是您只能按编号删除列（我知道，这有点奇怪）-所以您不能按df[,-c("Age", "Gender")]删除列，但是可以按df[,-c(1:2)]删除列
在我的工作中，首选的是按名称删除，因为列会有一些移位--这样我就可以准确地知道要删除的是什么。我使用的一个解决方案是将grep与names(df)一起使用，以确定要删除的列的位置。
这是一个小技巧，所以要小心。如果我想删除名称中以“Cofactor”开头的 * 所有 * 列：

dropcols <- grep("Cofactor", names(df))

# or to ignore case
# grep("Cofactor", names(df), ignore.case = TRUE)
# [1] 3 4 5

如果我只想删除Cofactor，但保留Cofactor1和Cofactor2，我可以使用\\b在上面放置一个word boundary：

dropcols <- grep("\\bCofactor\\b", names(df))
[1] 3

因此，要删除列，您可以像这样简单地建立索引：

dropcols <- grep("Cofactor", names(df))
df[, -dropcols]

#    Age Gender
# 1   31 Female
# 2   79   Male
# 3   51 Female
# 4   14   <NA>
# 5   67   Male
# 6   42   <NA>
# 7   50   <NA>
# 8   43   Male
# 9   NA   Male
# 10  14   Male