在 R 中使用 OR 条件和字符串进行子集化答案

【问题标题】：Subsetting in R using OR condition with strings在 R 中使用 OR 条件和字符串进行子集化
【发布时间】：2011-01-08 16:11:26
【问题描述】：

我有一个大约 40 列的数据框，第二列 data[2] 包含其余行数据描述的公司名称。但是，公司名称因年份而异（2009 年数据为 09，2010 年无数据）。

我希望能够对数据进行子集化，这样我就可以同时提取两年的数据。这是我正在尝试做的一个示例...

subset(data, data[2] == "Company Name 09" | "Company Name", drop = T)

基本上，我在子集函数中使用 OR 运算符时遇到了困难。

但是，我尝试了其他替代方法：

subset(data, data[[2]] == grep("Company Name", data[[2]]))

也许有更简单的方法来使用字符串函数？

任何想法都会被欣赏。

【问题讨论】：

您的意思是子集(data, data[,2] == "Company Name 09" | data[,2] == "Company Name", drop = T)
语法，我最大的敌人。谢谢乔纳森。这正是我想要做的。

标签： r subset

【解决方案1】：

首先（正如 Jonathan 在他的评论中所做的那样）要引用第二列，您应该使用 data[[2]] 或 data[,2]。但如果您使用的是子集，您可以使用列名：subset(data, CompanyName == ...)。

对于你的问题，我会做以下之一：

subset(data, data[[2]] %in% c("Company Name 09", "Company Name"), drop = TRUE) 
subset(data, grepl("^Company Name", data[[2]]), drop = TRUE)

在第二个中，我使用grepl（在 R 版本 2.9 中引入）返回与 TRUE 匹配的逻辑向量。

【讨论】：

感谢 Marek，第二个解决方案更加简洁并简化了代码。当我搜索 ??string 时，grepl 不在我的文档中。
非常感谢 Marek，甚至不知道子集接受 %in%。这可以节省大量使用 OR 子句的繁琐/容易出错的输入。 +1！！到目前为止我本周的回答！
列名有空格怎么办？例如“公司名称”。我们还能使用子集吗
@RockScience 是的。但是你必须使用反引号。 subset(data, 'Company Name'=="Name A") 之类的东西（我不能在评论中使用“真正的”反引号，所以你必须更改它）。
我可以问一个愚蠢的问题吗？ drop 参数有什么作用？我并没有真正得到帮助中的描述。

【解决方案2】：

有几点：

1) 模型数据很有用，因为我们不知道您所面临的具体情况。如果可能，请提供数据。可能我理解错了？

2) 不要使用[[2]] 来索引你的data.frame，我认为[,"colname"] 更清晰

3) 如果唯一的区别是名称中的尾随“09”，那么只需正则表达式即可：

R> x1 <- c("foo 09", "bar", "bar 09", "foo")
R> x2 <- gsub(" 09$", "", x1)
[1] "foo" "bar" "bar" "foo"
R>

现在您应该能够对动态转换的数据执行您的子集：

R> data <- data.frame(value=1:4, name=x1)
R> subset(data, gsub(" 09$", "", name)=="foo")
  value   name
1     1 foo 09
4     4    foo
R>

您也可以用正则表达式的值替换名称列。

【讨论】：