选择列是否包含文本？

Question

在使用包含不同数据类型和名称的多列的 R tibble 时，如何正确使用 dplyr 包中的 select_if 来仅选择包含文本的列？

例如一个小标题tib，比如这个：

+----------+------------+------------+-------+
| PersonID | EmployeeID |    Date    | Value |
+----------+------------+------------+-------+
|      123 | abc        | 10/12/2020 |  33.4 |
|      345 | fff        | 10/13/2020 |  44.2 |
|      567 | ddg        | 11/1/2020  |  60.2 |
+----------+------------+------------+-------+

如何使用select_if 仅选择 PersonID 和 EmployeeID 列？

到目前为止，我已经尝试了以下方法：

tib %>% select_if(~ grepl("ID", .))

但是，我收到以下错误：

Error: `.p` is invalid.
x `.p` should return a single logical.
i `.p` returns a size 2000 <logical> for column `PersonID`.

contains的使用方法正确吗？

我知道tib %>% select_if(is.character) 可以工作，但是如何编写与is.character 类似的函数来检测列标题中的字符串？

Answer 1

如果我们想根据列名模式select 列，请使用select_helpers。基于 'ID' 的出现，似乎 OP 想要选择列名中 ends_with 'ID' 子字符串的列

library(dplyr)
tib %>%
      select(ends_with('ID'))

如果列名在任何地方都有“ID”

tib %>%
    select(contains('ID'))

或者对于复杂的正则表达式，使用matches

tib %>%
   select(matches("^[PE].*ID"))

---

使用dplyr 版本>= 1.0，我们可以使用across 和select

tib %>%
   select(where(is.character))
# A tibble: 3 x 2
#  EmployeeID Date      
#  <chr>      <chr>     
#1 abc        10/12/2020
#2 fff        10/13/2020
#3 ddg        11/1/2020 

注意：这里，它正在检查列值的type 到select 那些。同样，如果我们需要选择具有特定值的列，我们可以使用

tib %>%
    select(where(~ any(. == 'fff')))
# A tibble: 3 x 1
#  EmployeeID
#  <chr>     
#1 abc       
#2 fff       
#3 ddg     

数据

tib <- structure(list(PersonID = c(123, 345, 567), EmployeeID = c("abc", 
"fff", "ddg"), Date = c("10/12/2020", "10/13/2020", "11/1/2020"
), Value = c(33.4, 44.2, 60.2)), row.names = c(NA, -3L), class = c("tbl_df", 
"tbl", "data.frame"))

Answer 2

在base R中，你可以使用grepl/grep来使用正则表达式：

tib[grepl('ID', names(tib))]
#With grep
#tib[grep('ID', names(tib))]
#  PersonID EmployeeID
#     <dbl> <chr>     
#1      123 abc       
#2      345 fff       
#3      567 ddg   

如果值'ID' 总是在末尾，我们也可以使用endsWith。

tib[endsWith(names(tib), 'ID')]