过滤列名包含模式的变量

Question

我正在尝试使用dyplr 的filter 函数从tbl 中过滤掉NA、NaN 和Inf 值。

诀窍是我只想将过滤器应用于名称包含特定模式的列。模式为：r1、r2、r3等。

我试图结合grep 和filter 来实现这一点，但无法让它发挥作用。我当前的代码如下所示：

filter_(!is.na(grep("r[1-9]", colnames(DF), value = TRUE)) 
& !is.infinite(grep("r[1-9]", colnames(DF), value = TRUE)) 
& !is.nan(grep("r[1-9]", colnames(DF), value = TRUE)))

但是，此代码返回一条警告消息：“将向量截断为长度 1。” 并且返回的数据是未经过滤的。

我怀疑是这里的is.na 函数导致了问题，因为我在网上看到了一个示例，您可以使用正常条件（即condition == value）将grep 应用于filter，而不是基于is.na的条件

Answer 1

dplyr 提供了对此有用的matches()

示例 1：matches() 如何工作？

library(dplyr)

# remove columns that start with "mp"
mtcars %>% select(-matches("mp"))

# keep columns that start with "mp"
mtcars %>% select(matches("mp"))

示例 2：在请求的上下文中使用 matches()，但使用 MWE

# Create a dummy dataset
data = tibble(id = c("John","Paul","George","Ringo"),
              r1 = c(1,2,NA,NA), 
              r2 = c(1,2,NA,4),
              s1 = c(1,NA,3,4))

# Filter NAs in columns that start with r followed by a number
data %>% filter_at(vars(matches("r[0-9]")), all_vars(!is.na(.)))

Answer 2

这是一种用于过滤行、比较特定列的基本 R 方法。

# sample data
set.seed(1234)
dat <- data.frame(r1=c(NA, 1,NaN, 5, Inf), r2=c(NA, 1,NaN, NA, Inf), d=rnorm(5))

这个数据集看起来像

dat
   r1  r2          d
1  NA  NA -1.2070657
2   1   1  0.2774292
3 NaN NaN  1.0844412
4   5  NA -2.3456977
5 Inf Inf  0.4291247

我们将检查前两列并忽略第三列。请注意，唯一应该保留的行是第 2 行。

dat[Reduce("&", lapply(dat[grep("^r", names(dat))], is.finite)),]
  r1 r2         d
2  1  1 0.2774292

在这里，使用grep 选择适当列（1 和2）的子集data.frame 被馈送到lapply。正则表达式“^r”表示仅包含名称以“r”开头的变量。在lapply 循环中，使用is.finite 检查每个向量。此函数为 NA、NaN 和 Inf 返回 FALSE。逻辑向量的结果列表被馈送到 Reduce` ，它返回一个逻辑向量，它是 data.frame 的行数的长度，其中一个元素为 TRUE 当且仅当一行中的每个元素都是有限的。

Answer 3

通过dplyr，您可以使用filter_at函数：

dat %>% filter_at(vars(matches("^r[1-9]")), all_vars(is.finite(.)))

使用@lmo的样本数据，结果是：

  r1 r2         d
1  1  1 0.2774292