根据列表中数据框的文件名在大列表中设置数据子集

Question

我正在处理一个包含 450 个数据帧的大型列表。我将举例说明数据框的名称：

ALL_SM51_SE1_hourly, ALL_SM201_SE1_hourly, ALL_SM501_SE1_hourly
ALL_SM51_SE2_hourly, ALL_SM201_SE2_hourly, ALL_SM501_SE2_hourly
...................................................................
ALL_SM51_SE150_hourly, ALL_SM201_SE150_hourly, ALL_SM501_SE150_hourly

数据框包含在不同深度（5cm、20cm、50cm，在文件名中用“SM51、SM201、SM501”表示）测量的土壤水分数据，并且有150个传感器（由文件名中的“SE1、SE2、SE3...”表示）这就是为什么我有 450 个数据帧存储在一个列表中的原因。

我想做什么：我想为每个传感器创建一个新列表（创建一个子集），然后包含 3 个元素。所以我想要一个 SE1、SE2、SE3、...、SE150 的列表以及相应的测量深度。

我已经为我的问题搜索了适当的答案，但我只找到了按特定值对数据进行子集的答案，但我想按文件名进行子集。

有人知道怎么做吗？

Answer 1

使用正则表达式，您可以识别独特的传感器un.se，您可以从paste 到new.names。原始列表lst 然后可以将split 转换为唯一的传感器，ordered 并转换为data.frames。

un.se <- gsub(".*SE(\\d+).*", "\\1", names(lst))
new.names <- paste0("SE", unique(un.se))
tmp <- setNames(split(lst, un.se), paste0("SE", unique(un.se)))
res <- lapply(tmp, function(x) {
  nm <- gsub(".*SM(\\d+).*", "\\1", names(x))
  setNames(lapply(x[order(nm)], data.frame), paste0("d", gsub("1$", "", nm)))
  })

解释gsub-regex：

在正则表达式.* 中查找任何“字符-直到”，然后我们就有SE 字面意思。现在我们在括号() 内使用分组，我们用\\d+ 查找一个或多个出现的数字或digit。在第二个 gsub-argument \\1 对第一组（括号中的那个）进行反向引用以替换整个字符串。例如。结果 un.se 是每个字符串中每个 SE 之后的数字（请参阅：https://regex101.com/r/zuO8Ts/1；请注意，我们需要在 R 中使用双重转义 \\）。

这会在子列表中列出每个传感器以及每个深度的数据帧。

结果

res
# $SE1
# $SE1$d5
#   x1 x2 x3
# 1  1  2  3
# 
# $SE1$d20
#   x1 x2 x3
# 1  1  2  3
# 
# $SE1$d50
#   x1 x2 x3
# 1  1  2  3
# 
# 
# $SE2
# $SE2$d5
#   x1 x2 x3
# 1  1  2  3
# 
# $SE2$d20
#   x1 x2 x3
# 1  1  2  3
# 
# $SE2$d50
#   x1 x2 x3
# 1  1  2  3

---

玩具数据

lst <- list(ALL_SM51_SE1_hourly = list(x1 = 1, x2 = 2, x3 = 3), ALL_SM201_SE1_hourly = list(
    x1 = 1, x2 = 2, x3 = 3), ALL_SM501_SE1_hourly = list(x1 = 1, 
    x2 = 2, x3 = 3), ALL_SM51_SE2_hourly = list(x1 = 1, x2 = 2, 
    x3 = 3), ALL_SM201_SE2_hourly = list(x1 = 1, x2 = 2, x3 = 3), 
    ALL_SM501_SE2_hourly = list(x1 = 1, x2 = 2, x3 = 3))