通过命名约定提取多个变量，用于两种以上的命名约定

Question

我正在尝试提取以某些字符串开头的多个变量。对于这个例子，我想编写一个代码来提取所有以 X1 和 Y2 开头的变量。

set.seed(123)
df <- data.frame(X1_1=sample(1:5,10,TRUE),
                 X1_2=sample(1:5,10,TRUE),
                 X2_1=sample(1:5,10,TRUE),
                 X2_2=sample(1:5,10,TRUE),
                 Y1_1=sample(1:5,10,TRUE),
                 Y1_2=sample(1:5,10,TRUE),
                 Y2_1=sample(1:5,10,TRUE),
                 Y2_2=sample(1:5,10,TRUE))

我知道我可以使用以下方法提取以“X1”开头的变量

Vars_to_extract <- c("X1")
tempdf <- df[ , grep( paste0(Vars_to_extract,".*" )  , names(df), value=TRUE)]
  X1_1 X1_2
1    3    5
2    3    4
3    2    1
4    2    2
5    3    3

但是我需要修改上面的代码来提取变量多个变量类型，如果这样指定的话

Vars_to_extract

我一直在尝试在 grep 部分中使用 %in% 和 .*，但收效甚微。我知道我可以编写以下非常手动的代码，分别合并每组变量。

tempdf <- data.frame(df[, grep("X1.*", names(df), value=TRUE)] , df[, grep("Y2.*", names(df), value=TRUE)] )
  X1_1 X1_2 Y2_1 Y2_2
1    3    5    1    5
2    3    4    1    5
3    2    1    2    3
4    2    2    3    1
5    3    3    4    2

但是，在现实世界的情况下，我经常处理大量变量，并且必须多次这样做。是否可以使用 %in% 以这种方式编写它，还是需要使用循环？任何帮助或提示将不胜感激。谢谢

Answer 1

如果我们想提取在字符串中任意位置具有子字符串的列名，我们可以使用contains

library(dplyr)
df %>%
    select(contains(Vars_to_extract))

或者使用matches，我们可以使用正则表达式来指定以特定子字符串开头的字符串（^）

library(stringr)
df %>%
      select(matches(str_c('^(', Vars_to_extract, ')', collapse="|")))

---

使用grep，我们可以通过paste 和collapse = "|" 创建单个模式

df[grep(paste0("^(",paste(Vars_to_extract, collapse='|'), ")"), names(df))]
#    X1_1 X1_2 Y2_1 Y2_2
#1     3    5    5    3
#2     3    3    5    5
#3     2    3    3    3
#4     2    1    1    2
#5     3    4    4    5
#6     5    1    1    5
#7     4    1    1    3
#8     1    5    3    2
#9     2    3    4    2
#10    3    2    1    2

---

或者另一种方法是 startsWith 与 lapply 和 Reduce

df[Reduce(`|`, lapply(Vars_to_extract, startsWith, x = names(df)))]