如何从 df 中对多个列进行子集化，包括 grep 匹配

Question

我有一个非常大的数据集，其中包含多个列，它们的名称有共同部分（例如 ctq_1、ctq_2、ctq_3 以及 panas_1、panas_2、panas_3）。我想将其中一些列（例如，仅列名中包含“panas”的列）与同一数据框中具有唯一名称（例如，id、组）的某些其他列一起子集。

我尝试在方括号内使用 grep 函数，效果很好： panas .data 中找不到列 114、115、116、117、118、……（以及更多 15 个）。 致电rlang::last_error() 以查看回溯。

如何用最简单的代码实现我想要的？我是 R 新手，所以最好避免使用花哨的功能！

这是一个可重现的例子。

> head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

> newframe <- iris[ , grep('Petal', colnames(iris))] # This works

> newframe <- iris[ , c('Species', grep('Petal', colnames(iris)))] # This doesn't work

这一次，错误是：

[.data.frame(iris, , c("Species", grep("Petal", colnames(iris)))) 中的错误： 选择了未定义的列

Answer 1

假设我了解您想要做什么，可能的解决方案可能没有用和/或可能是多余的：

my_selector <- function(df,partial_name,...){
  positional_names <- match(...,names(df))
  df[,c(positional_names,grep(partial_name,names(df)))]
}
my_selector(iris, partial_name = "Petal","Species")

一个“更简单”的选项是使用grep 等来一次匹配目标名称：

iris[grep("Spec.*|Peta.*", names(iris))]

或者更简单，正如@akrun 建议的那样，我们可以简单地做：

iris[grep("(Spec|Peta).*", names(iris))]

对于更多列，我们可以这样做：

my_selector(iris, partial_name = "Petal",c("Species","Sepal.Length"))
       Species Sepal.Length Petal.Length Petal.Width
1       setosa          5.1          1.4         0.2
2       setosa          4.9          1.4         0.2

注意然而，在上述函数中，列的选择与直觉相反，因为最后提供的名称首先被选择。

第一部分的结果（截断）：

         Species Petal.Length Petal.Width
1       setosa          1.4         0.2
2       setosa          1.4         0.2
3       setosa          1.3         0.2
4       setosa          1.5         0.2
5       setosa          1.4         0.2
6       setosa          1.7         0.4
7       setosa          1.4         0.3

Answer 2

grep 返回匹配的位置，在子集列时不能混合列名和位置。完全按名称或按位置子集。

按名称做子集

panas <- bigdata[,c('id', 'group', grep('panas', colnames(bigdata), value = TRUE))] 

或按位置子集

panas <- bigdata[ , c(1:2, grep('panas', colnames(bigdata))]

假设1:2 是id 和group 列的列位置。