Question

我是R的新手。我有一个下面的数据框，我需要从中选择特定的列。

Dataframe如下所示：

df<-data.frame(city=as.character("Boston","Boston","Boston","Boston","Boston","Boston","Boston","Boston","Boston","Boston"),
              a.Boston=c(rep(8,3),rep(6,4),9,5,7),
              a.Hartford=c(rep(6,3),rep(2,4),1,5,0),
              a.Denver=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_0=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_1=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_2=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_3=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_4=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_5=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_6=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_7=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_8=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_9=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_10=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_11=c(rep(8,3),rep(9,4),3,8,9),
              b.Boston_12=c(rep(8,3),rep(9,4),3,8,9),
              b.Denver_0=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_1=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_2=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_3=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_4=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_5=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_6=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_7=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_8=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_9=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_10=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_11=c(rep(6,3),rep(2,4),1,5,0),
              b.Denver_12=c(rep(6,3),rep(2,4),1,5,0))

我想根据列的选择创建数据帧df1到df12。例如，df2不应包含具有后缀＆＃34; _1＆＃34;的列。在他们的名字，但包含其余的列。对于df9，不应包含具有＆＃34; _1＆＃34;，＆＃34; _2＆＃34;，... upto＆＃34; _8＆＃34; 例如b.Boston_1，b.Denver_1，b.Boston_2，b.Denver_2 ..... b.Boston_8，b.Denver_8但包含诸如 b.Boston_10，b.Denver_10，b.Boston_11，b.Denver_11。 df12只包含a.Boston，a.Hartford，a.Denver等列。我想删除＆＃34; city＆＃34;来自df＆＃39的专栏。

我写了以下代码：

i1 <- 0:12
for(i in seq_along(i1)) {
  assign(paste0("df", i),
         value = df[, setdiff(names(df),
                                  c("city", 
                                    grep(paste("_", 0:i1[i],collapse="|", sep=""),
                                         colnames(df), value = TRUE)))])
}

下面我得到了结果：

*df2*

      a.Boston a.Hartford a.Denver b.Boston_2 b.Boston_3 b.Boston_4 b.Boston_5 b.Boston_6 b.Boston_7 b.Boston_8
1        8          6        8          8          8          8          8          8          8          8
2        8          6        8          8          8          8          8          8          8          8
  b.Boston_9 b.Denver_2 b.Denver_3 b.Denver_4 b.Denver_5 b.Denver_6 b.Denver_7 b.Denver_8 b.Denver_9
1          8          6          6          6          6          6          6          6          6
2          8          6          6          6          6          6          6          6          6

DF9 ：

 a.Boston a.Hartford a.Denver b.Boston_9 b.Denver_9
1        8          6        8          8          6
2        8          6        8          8          6

问题，对于创建的数据帧，例如df2和df9，它们不包含从b.Denver_10到b.Denver_12的列和b.Boston_10到b.Boston_12。 df1到df11的数据帧都没有包含后缀_10，_11，_12的列，但它应该在那里。

所需的o / p：

DF9 ：

a.Boston a.Hartford a.Denver b.Boston_9 b.Boston_10 b.Boston_11 b.Boston_12 b.Denver_9 b.Denver_10
1        8          6        8          8           8           8           8          6           6
2        8          6        8          8           8           8           8          6           6
  b.Denver_11 b.Denver_12
1           6           6
2           6           6

DF10 ：

a.Boston a.Hartford a.Denver b.Boston_10 b.Boston_11 b.Boston_12 b.Denver_10 b.Denver_11 b.Denver_12
1        8          6        8           8           8           8           6           6           6
2        8          6        8           8           8           8           6           6           6

这种类型的o / p，我想从df1到df12。

任何人都可以帮我解决这个问题吗？

提前感谢!!

Answer 1

lapply(1:12, function(k)
{
    # match numbers equal or greater than k in colnames of df
    pattern <- if (k < 10) paste0("\\..*\\D$|_([",k,"-9]|1[0-2])$") else 
        paste0("\\..*\\D$|_(1[",k%%10,"-2])$")
    df[,grepl(pattern, colnames(df))]
})

编辑：在lapply内，我首先定义一个匹配所需列的正则表达式patern。即

A）包含'。'的列并且不包含数字后跟行尾。 (\\..*\\D$)这与格式为a.CityName

的列匹配

B）包含“_”后跟数字等于或大于给定k且不大于12的列。该公式取决于k <10。例如。对于k = 2，我们得到_([2-9]|1[0-2])$ - 匹配2到9或1，然后是0到2.对于k = 11，我们得到_(1[1-2])$。

然后我选择与grepl匹配模式的列。

Answer 2

如果我们为所需的列指定条件而不是构造正则表达式，则代码会更加清晰。

library(dplyr)
library(stringr)

column_suffixes <- str_extract(names(df), '\\d+') %>%
    as.integer

lapply(seq_len(12), function(i) {
    df %>%
        select_if(is.na(column_suffixes) | column_suffixes >= i) %>%
        select(-city)
})

column_suffixes只是列名中的向量整数。如果没有整数，则为NA。

select_if只会设置缺少后缀的df列或>= i。这与

具有相同的效果

df[, is.na(column_suffixes) | column_suffixes >= i]

从R中的数据框中仅选择某些列

2 个答案: