如何使用正则表达式选择 r 中的特定列答案

【问题标题】：How to select specific columns in r using regex如何使用正则表达式选择 r 中的特定列
【发布时间】：2021-12-29 04:56:51
【问题描述】：

由于正则表达式知识贫乏，我不知道如何使用正则表达式选择 r 中的特定列。

有一个简短的例子。我有一个数据框 df 有很多变量。

a = c('1.age41_50', '2.age51_60', '3.age61_70', '4.age71_80',
      '5.age1_20', '6.age21_30', '7.age31_40', '8.ageupwith65', '9.agelo65', '10.PM2_5')

df = matrix(ncol = 10, nrow = 1) %>% as_tibble()
colnames(df) = a
df

我想使用来自dplyr 包的select() 和matches() 选择特定变量。正则表达式应遵循以下条件：

同时，变量名不应包含age 和_。

在我看来，我首先搜索同时包含age和_的变量名，然后反向选择它但失败了。比如这样：

df %>% select(!matches('age&_'))

最终的结果应该是这样的：

df_expected = df %>% select(`8.ageupwith65`, `9.agelo65`, `10.PM2_5`)

任何帮助将不胜感激！

【问题讨论】：

标签： r regex dplyr

【解决方案1】：

我们可能会使用

library(dplyr)
df %>% 
   select(-contains('age'), matches('age(?!.*_)', perl = TRUE))
# A tibble: 1 × 3
  `10.PM2_5` `8.ageupwith65` `9.agelo65`
  <lgl>      <lgl>           <lgl>      
1 NA         NA              NA

【讨论】：

【解决方案2】：

你可以使用

> df %>% select(!matches('age[0-9]+_')) 
# A tibble: 1 x 3
  `8.ageupwith65` `9.agelo65` `10.PM2_5`
  <lgl>           <lgl>       <lgl>     
1 NA              NA          NA

此表达式匹配age、一个或多个数字，然后是一个下划线。由于! 运算符，最终结果是相反的。

【讨论】：