R 子集数据以仅包含名称与条件匹配的列

发布于09月03日

有没有办法根据以特定字符串开头的列名对数据进行子集划分？我有一些列，比如说ABC_1 ABC_2 ABC_3和XYZ_1, XYZ_2,XYZ_3.

如何仅基于包含上述文本部分(比如ABC或XYZ)的列来子集我的df？我可以使用索引，但这些列在数据中过于分散，这就变成了太多的硬编码.

此外，我只想包含这些列中任何一列的值为>0的行，因此如果上面6列中的任何一列的行中有1，那么它将剪切到我的最终数据帧中.

推荐答案

在data.frame的名字上试试grepl.grepl将正则表达式与目标匹配，如果找到匹配项，则返回TRUE，否则返回FALSE.这个函数是矢量化的，所以你可以传递一个字符串向量来匹配，你会得到一个返回的布尔值向量.

实例

#  Data
df <- data.frame( ABC_1 = runif(3),
            ABC_2 = runif(3),
            XYZ_1 = runif(3),
            XYZ_2 = runif(3) )

#      ABC_1     ABC_2     XYZ_1     XYZ_2
#1 0.3792645 0.3614199 0.9793573 0.7139381
#2 0.1313246 0.9746691 0.7276705 0.0126057
#3 0.7282680 0.6518444 0.9531389 0.9673290

#  Use grepl
df[ , grepl( "ABC" , names( df ) ) ]
#      ABC_1     ABC_2
#1 0.3792645 0.3614199
#2 0.1313246 0.9746691
#3 0.7282680 0.6518444

#  grepl returns logical vector like this which is what we use to subset columns
grepl( "ABC" , names( df ) )
#[1]  TRUE  TRUE FALSE FALSE

为了回答第二部分，我将生成子集数据.帧，然后制作一个向量，对行进行索引，以保持(逻辑向量)如下...

set.seed(1)
df <- data.frame( ABC_1 = sample(0:1,3,repl = TRUE),
            ABC_2 = sample(0:1,3,repl = TRUE),
            XYZ_1 = sample(0:1,3,repl = TRUE),
            XYZ_2 = sample(0:1,3,repl = TRUE) )

# We will want to discard the second row because 'all' ABC values are 0:
#  ABC_1 ABC_2 XYZ_1 XYZ_2
#1     0     1     1     0
#2     0     0     1     0
#3     1     1     1     0


df1 <- df[ , grepl( "ABC" , names( df ) ) ]

ind <- apply( df1 , 1 , function(x) any( x > 0 ) )

df1[ ind , ]
#  ABC_1 ABC_2
#1     0     1
#3     1     1