子集数据仅包含名称与条件匹配的列

Question

有没有办法让我根据以特定字符串开头的列名来对数据进行子集化？我有一些相似的列,ABC_1 ABC_2 ABC_3有些像XYZ_1, XYZ_2,XYZ_3我们说的.

我如何df仅根据包含上述文本部分的列来设置我的基础(比方说,ABC或者XYZ)？我可以使用索引,但是数据中的列分散太多,而且编码太多了.

另外,我想只包含来自这些列的每一行的行,其中任何值都是>0如此,如果6上面的任一列1在行中有一个,它就会切入我的最终数据帧.

Answer 1

试试grepl你的名字data.frame.grepl将正则表达式与目标TRUE匹配,如果找到匹配则返回,FALSE否则返回.该函数是矢量化的,因此你可以传递一个字符串向量来匹配,你将得到一个返回的布尔值向量.

例

#  Data
df <- data.frame( ABC_1 = runif(3),
            ABC_2 = runif(3),
            XYZ_1 = runif(3),
            XYZ_2 = runif(3) )

#      ABC_1     ABC_2     XYZ_1     XYZ_2
#1 0.3792645 0.3614199 0.9793573 0.7139381
#2 0.1313246 0.9746691 0.7276705 0.0126057
#3 0.7282680 0.6518444 0.9531389 0.9673290

#  Use grepl
df[ , grepl( "ABC" , names( df ) ) ]
#      ABC_1     ABC_2
#1 0.3792645 0.3614199
#2 0.1313246 0.9746691
#3 0.7282680 0.6518444

#  grepl returns logical vector like this which is what we use to subset columns
grepl( "ABC" , names( df ) )
#[1]  TRUE  TRUE FALSE FALSE

为了回答第二部分,我将制作子集data.frame,然后制作一个索引行的向量以保持(逻辑向量),就像这样......

set.seed(1)
df <- data.frame( ABC_1 = sample(0:1,3,repl = TRUE),
            ABC_2 = sample(0:1,3,repl = TRUE),
            XYZ_1 = sample(0:1,3,repl = TRUE),
            XYZ_2 = sample(0:1,3,repl = TRUE) )

# We will want to discard the second row because 'all' ABC values are 0:
#  ABC_1 ABC_2 XYZ_1 XYZ_2
#1     0     1     1     0
#2     0     0     1     0
#3     1     1     1     0


df1 <- df[ , grepl( "ABC" , names( df ) ) ]

ind <- apply( df1 , 1 , function(x) any( x > 0 ) )

df1[ ind , ]
#  ABC_1 ABC_2
#1     0     1
#3     1     1

Answer 2

您也可以使用starts_with和dplyr的select(),像这样:

df <- df %>% dplyr:: select(starts_with("ABC"))

Answer 3

我的统计学教授给我的最简单的解决方案：

df[,grep("pattern", colnames(df))] 

就是这样。它不会为您提供布尔值或任何内容，它只是为您提供遵循该模式的数据集。

Answer 4

使用dplyr你可以:

df <- df %>% dplyr:: select(grep("ABC", names(df)), grep("XYZ", names(df)))

Answer 5

以防万一，对于data.table用户来说，以下内容适用于我：

df[, grep("ABC", names(df)), with = FALSE]

Answer 6

这对我有用：

df[,names(df) %in% colnames(df)[grepl(str,colnames(df))]]