如何从df子集中包括grep匹配的多列

Question

我有一个非常大的数据集，其中包含多列名称相同的部分（例如ctq_1，ctq_2，ctq_3以及panas_1，panas_2，panas_3）。我想将这些列中的某些列（例如，仅列名称中包含“ panas”的那些列）与同一数据框中具有唯一名称（例如id，group）的某些其他列一起子集化。

我尝试在方括号内使用grep函数，效果很好：panas 114中找不到列115，116，117，118，.data，…（以及另外15个）。调用rlang::last_error()查看回溯。

如何用最简单的代码实现我想要的？我是R新手，因此最好不要使用花哨的功能！

这里是可复制的示例。

> head(iris)
  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa

> newframe <- iris[ , grep('Petal', colnames(iris))] # This works

> newframe <- iris[ , c('Species', grep('Petal', colnames(iris)))] # This doesn't work

这次，错误是：

[.data.frame（iris，，c（“ Species”，grep（“ Petal”，colnames（iris）））的错误）：未定义的列已选择

Answer 1

grep返回匹配的位置，并且在对列进行子设置时不能混合列名称和位置。子集完全按名称或按位置排列。

以名称命名子集

panas <- bigdata[,c('id', 'group', grep('panas', colnames(bigdata), value = TRUE))] 

或按位置分组

panas <- bigdata[ , c(1:2, grep('panas', colnames(bigdata))]

假设1:2是id和group列的列位置。

Answer 2

假设我了解您想要做什么，一个可能没有用和/或可能多余的解决方案：

my_selector <- function(df,partial_name,...){
  positional_names <- match(...,names(df))
  df[,c(positional_names,grep(partial_name,names(df)))]
}
my_selector(iris, partial_name = "Petal","Species")

“一个简单的选项是使用grep之类的名称一次匹配目标名称：

iris[grep("Spec.*|Peta.*", names(iris))]

或更简单，如@akrun所建议，我们可以简单地做：

iris[grep("(Spec|Peta).*", names(iris))]

对于更多列，我们可以做类似的事情：

my_selector(iris, partial_name = "Petal",c("Species","Sepal.Length"))
       Species Sepal.Length Petal.Length Petal.Width
1       setosa          5.1          1.4         0.2
2       setosa          4.9          1.4         0.2

<< [Note但是，在上述功能中，由于首先选择了最后提供的名称，因此反直觉地选择了列。

第一部分的结果（被截断）：

         Species Petal.Length Petal.Width
1       setosa          1.4         0.2
2       setosa          1.4         0.2
3       setosa          1.3         0.2
4       setosa          1.5         0.2
5       setosa          1.4         0.2
6       setosa          1.7         0.4
7       setosa          1.4         0.3