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?我有一些列像ABC_1 ABC_2 ABC_3
,有些像XYZ_1, XYZ_2,XYZ_3
让我们说。
我怎样才能将我的df
仅基于包含上述文本部分的列(比方说,ABC
或XYZ
)进行子集化?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
,所以如果上面的6
列中的任何一行在行中有1
,它会切入我的最终数据帧。
尝试grepl
关于你的data.frame
的名字。 grepl
将正则表达式与目标匹配,如果找到匹配则返回TRUE
,否则返回FALSE
。该函数是矢量化的,因此您可以传递一个字符串向量来匹配,您将获得一个返回的布尔值向量。
# 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
你也可以像这样使用starts_with
和dplyr
的select()
:
df <- df %>% dplyr:: select(starts_with("ABC"))
使用dplyr你可以:
df <- df %>% dplyr:: select(grep("ABC", names(df)), grep("XYZ", names(df)))
这对我有用:
df[,names(df) %in% colnames(df)[grepl(str,colnames(df))]]
以防data.table
用户,以下内容适用于我:
df[, grep("ABC", names(df)), with = FALSE]