有没有办法根据以特定字符串开头的列名来对数据进行子集化?我有一些类似于 ABC_1 ABC_2 ABC_3
的列,还有一些类似于 XYZ_1, XYZ_2,XYZ_3
的列。
如何仅根据包含上述文本部分的列(例如,ABC
或 XYZ
)对我的 df
进行子集化?我可以使用索引,但是列在数据中太分散,并且它变得太多的硬编码。
此外,我只想包含这些列中每一列中的任何值为 >0
的行,因此如果上面的 6
列中有一个 1
在该行中,它会切入我的最终数据框。
最佳答案
在 data.frame
的名称上尝试 grepl
。 grepl
将正则表达式与目标进行匹配,如果找到匹配则返回 TRUE
,否则返回 FALSE
。该函数是矢量化的,因此您可以传递字符串向量进行匹配,并且您将获得返回的 bool 值向量。
示例
# 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,我将创建子集 data.frame,然后创建一个向量来索引要保留的行(逻辑向量),如下所示...
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
关于r - 数据子集仅包含名称与条件匹配的列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18587334/