按列名的复杂模式子集数据框

Question

我有一个如下所示的数据集：

• 两轮数据（.t0和.t1）
• 多尺度（this 和 that）
• 每个量表有几个项目（1、22、22a）
• 要忽略的几个变量（v2、v3、ignore.t0、ignore.t1、this.t0、this.t1、that.t0、that.t1）

.

dat <- data.frame(id = seq(from=1, to=10, by=1),
                  v2 = rnorm(10),
                  v3 = rnorm(10),
                  ignore.t0 = rnorm(10),
                  this.t0 = rnorm(10),
                  this1.t0 = rnorm(10),
                  this22.t0 = rnorm(10),
                  this22a.t0 = rnorm(10),
                  that.t0 = rnorm(10),
                  that1.t0 = rnorm(10),
                  that22.t0 = rnorm(10),
                  that22a.t0 = rnorm(10),
                  ignore.t1 = rnorm(10),
                  this.t1 = rnorm(10),
                  this1.t1 = rnorm(10),
                  this22.t1 = rnorm(10),
                  this22a.t1 = rnorm(10),
                  that.t1 = rnorm(10),
                  that1.t1 = rnorm(10),
                  that22.t1 = rnorm(10),
                  that22a.t1 = rnorm(10))

我想对数据框进行子集化以包含 id 并且仅包含以下列：

• 比例名称（this 或 that）和
• 句点前的数字 (1.) 或数字和字母 (22a.)

所以最后，数据框应该是这样的：

dat2 <- data.frame(
                   id = seq(from=1, to=10, by=1),
                   #v2 = rnorm(10),
                   #v3 = rnorm(10),
                   #ignore.t0 = rnorm(10),
                   #this.t0 = rnorm(10),
                   this1.t0 = rnorm(10),
                   this22.t0 = rnorm(10),
                   this22a.t0 = rnorm(10),
                   #that.t0 = rnorm(10),
                   that1.t0 = rnorm(10),
                   that22.t0 = rnorm(10),
                   that22a.t0 = rnorm(10),
                   #ignore.t1 = rnorm(10),
                   #this.t1 = rnorm(10),
                   this1.t1 = rnorm(10),
                   this22.t1 = rnorm(10),
                   this22a.t1 = rnorm(10),
                   #that.t1 = rnorm(10),
                   that1.t1 = rnorm(10),
                   that22.t1 = rnorm(10),
                   that22a.t1 = rnorm(10))

数据框比此处显示的要大得多，因此无法输入列索引。也不可能只查找比例名称，因为this.t0、this.t1、that.t0 和that.t1 会被捕获。

# not quite right
dat2$id <- dat$id
scales <- c("this", "that")
keep.index <- grep(paste(scales,collapse="|"), names(dat))
temp <- dat[keep.index]
dat2 <- cbind(dat2, temp)

如何修改 grep 模式以在句点之前查找数字 OR（数字和字符）？还是有更好的方法？

Answer 1

这适用于您的示例：

dat[c("id", grep("(this|that)\\d+[a-z]?\\.", names(dat), value = TRUE))]

地点：

1. \\d+ 代表一位或多位数字
2. [a-z]? 代表零个或一个小写字母
3. \\. 代表点

如果你想为各种scales动态构建一个模式，你可以这样做：

scales <- c("this", "that")
pattern <- sprintf("(%s)\\d+[a-z]?\\.", paste(scales, collapse = "|"))
dat[c("id", grep(pattern, names(dat), value = TRUE))]