我们可以使用select(where(...))：

select(df, where(~ sum(!. %in% c(0, NA)) >= 3))
#   Site X4 X5
# 1    A  0  6
# 2    B  9  5
# 3    C  4  2
# 4    D  1  5
# 5    E  8  1
# 6    F  6  5
# 7    G  0  2
# 8    H  0  0
# 9    I  0  0

（我推断NA也不算，但无论哪种方式，如果你有NA s，那么==无论如何都不能完美地工作。

另一种选择是将所有0替换为NA，并使用purrr::map_df(~ sum(!is.na(.)))对其进行计数，然后创建一个命名向量，然后选择具有更多1条目的每一列：

library(dplyr)
library(purrr)

# create a named vector with the count of entries in each column
helper <- df %>% 
  mutate(across(-Site, ~ ifelse(. == 0, NA, .))) %>%
  purrr::map_df(~ sum(!is.na(.))) %>% 
  as_vector()

# select all colums with more the 1 entry 
df_selected<- df %>%
  select(-which(names(.) %in% names(helper)[helper == 1]))

df_selected

Site X3 X4 X5
1    A  0  0  6
2    B  0  9  5
3    C  0  4  2
4    D  0  1  5
5    E  0  8  1
6    F  3  6  5
7    G  6  0  2
8    H  0  0  0
9    I  0  0  0

使用 colSums 计数非零，然后子集：

df[ colSums(df != 0) >= 3 ]
#   Site X4 X5
# 1    A  0  6
# 2    B  9  5
# 3    C  4  2
# 4    D  1  5
# 5    E  8  1
# 6    F  6  5
# 7    G  0  2
# 8    H  0  0
# 9    I  0  0