R中的cbind，grep和引号答案

【问题标题】：cbind, grep and quotation marks in RR中的cbind，grep和引号
【发布时间】：2014-03-25 13:30:30
【问题描述】：

考虑一个最小的工作示例（例如二项式模型）：

test.a.tset <- rnorm(10)
test.b.tset <- rnorm(10)
c <- runif(10)
c[c < 0.5] <- 0
c[c >= 0.5] <- 1
df <- data.frame(test.a.tset,test.b.tset,c)

使用正则表达式，我想在结构为 test."anything".tset 的所有变量上回归 c：

summary(glm(paste("c ~ ",paste(colnames((df[, grep("test\\.\\w+\\.tset", colnames(df))])),
        collapse = "+"), sep = ""), data = df, family=binomial))

到目前为止，没有问题。现在我们进入cbind 发挥作用的部分。假设我想使用不同的统计模型（例如 bayesm 包中的 rbprobitGibbs），它需要一个设计矩阵作为输入。因此，我需要将数据框转换为适当的格式。

X <- cbind(df$test.a.tset,df$test.b.tset)

或者，如果我想再次使用正则表达式（我什至添加第二个grep 以确保只选择引号内的部分）：

X2 <- cbind(grep("[^\"]+",paste(paste("df$", colnames((df[, grep("test\\.\\w+\\.tset", colnames(df))])), 
            sep = ""), collapse = ","), value = TRUE))

但有区别：

> X
            [,1]         [,2]
 [1,] -0.4525601 -1.240484170
 [2,]  0.3135625  1.240519383
 [3,] -0.2883953 -0.554670224
 [4,] -1.3696994 -1.373690426
 [5,]  0.8514529 -0.063945537
 [6,] -1.1804205 -0.314132743
 [7,] -1.0161170 -0.001605679
 [8,]  1.0072168  0.938921869
 [9,] -0.8797069 -1.158626865
[10,] -0.9113297  1.641201924
> X2
     [,1]                        
[1,] "df$test.a.tset,df$test.b.tset"

在我看来，问题似乎是grep 将所选值作为引号内的字符串返回，而glm 有点忽略"df$test.a.tset,test.b.tset" 中的引号，cbind 不会. IE。粘贴后对 X2 的调用实际上读作：

X2 <- cbind("df$test.a.tset,df$test.b.tset")

问题：有没有办法使用正则表达式为X2 获得与X 相同的结果？

【问题讨论】：

标签： r regex cbind

【解决方案1】：

代码grep("test\\.\\w+\\.tset", colnames(df)) 将返回与您的模式匹配的列的索引。如果您想仅使用这些列构建矩阵，则可以使用：

X3 <- as.matrix(df[,grep("test\\.\\w+\\.tset", colnames(df))])

【讨论】：

谢谢，确实有效。为了更好地理解另外两个问题：首先，为什么它适用于glm？我想这是因为glm 也可以将列索引而不是名称作为参数。其次，如果我修改grep("test\\.\\w+\\.tset", colnames(df), value = TRUE) 并将其合并到示例中，它仍然会产生相同的结果。为什么？ value = TRUE 在这种情况下似乎根本没有任何影响。如果是这样，在我的理解中，初始结果应该是"df$1,df$2"？
您可以按列号或名称索引数据框。如果您的数据框 df 包含 a、b 和 c 列，则 df[,c(2, 3)] 和 df[,c("b", "c")] 是相同的。对于glm，您正在传递一个字符串，该字符串正在通过as.formula 函数转换为公式；您不是在尝试运行命令。如果要运行存储在文本字符串中的命令，请使用eval 和parse（类似于eval(parse(text="2+2"))）。但是，这通常是不好的编码习惯。