如何在R中按名稱模式刪除列？

Question

我有這個數據框：

state county city  region  mmatrix  X1 X2 X3    A1     A2     A3      B1     B2     B3      C1      C2      C3

  1      1     1      1     111010   1  0  0     2     20    200       Push      8     12      NA      NA      NA
  1      2     1      1     111010   1  0  0     4     NA    400       Shove      9     NA 

現在我想排除名稱以某個字符串結尾的列，比如“1”（即 A1 和 B1）。 我寫了這段代碼：

df_redacted <- df[, -grep("\\1$", colnames(df))]

但是，這似乎刪除了每一列。 如何修改代碼，使其僅刪除與模式匹配的列（即以“3”或任何其他字符串結尾）？

解決方案必須能夠處理具有數值和分類值的數據幀。

Answer 1

我使用dplyr / tidyverse找到了一個簡單的答案。 如果您的colnames包含“This”，則所有包含“This”的變量都將被刪除。

library(dplyr) 
df_new <- df %>% select(-contains("This"))

Answer 2

如果我將它應用到一個最小的例子並且只搜索字符串“A”，你的代碼就像一個魅力：

df <- data.frame(ID = 1:10,
                 A1 = rnorm(10),
                 A2 = rnorm(10),
                 B1 = letters[1:10],
                 B2 = letters[11:20])
df[, -grep("A", colnames(df))]

所以你的問題更像是一個正則表達式問題，而不是如何刪除列。 如果我運行你的代碼，我會收到一個錯誤：

df[, -grep("\\3$", colnames(df))]
Error in grep("\\3$", colnames(df)) : 
  invalid regular expression '\3$', reason 'Invalid back reference'

更新：為什么不直接使用以下表達式？

df[, -grep("1$", colnames(df))]
   ID         A2 B2
1   1  2.0957940  k
2   2 -1.7177042  l
3   3 -0.0448357  m
4   4  1.2899925  n
5   5  0.7569659  o
6   6 -0.5048024  p
7   7  0.6929080  q
8   8 -0.5116399  r
9   9 -1.2621066  s
10 10  0.7664955  t

Answer 3

作為一個額外的答案，因為我在尋找這個問題的data.table解決方案時偶然發現了這一點。

library(data.table)
dt <- data.table(df)
drop.cols <- grep("1$", colnames(dt))
dt[, (drop.cols) := NULL]

Answer 4

要排除任何字符串，您可以使用...

 # Search string to exclude
 strng <- "1"
 df <- data.frame(matrix(runif(25,max=10),nrow=5))
 colnames(df) <- paste( "EX" , 1:5 )
 df_red <- df[, -( grep(paste0( strng , "$" ) , colnames(df),perl = TRUE) ) ]

    df
#         EX 1     EX 2        EX 3     EX 4     EX 5
#   1 7.332913 4.972780 1.175947853 6.428073 8.625763
#   2 2.730271 3.734072 6.031157537 1.305951 8.012606
#   3 9.450122 3.259247 2.856123205 5.067294 7.027795
#   4 9.682430 5.295177 0.002015966 9.322912 7.424568
#   5 1.225359 1.577659 4.013616377 5.092042 5.130887

    df_red
#         EX 2        EX 3     EX 4     EX 5
#   1 4.972780 1.175947853 6.428073 8.625763
#   2 3.734072 6.031157537 1.305951 8.012606
#   3 3.259247 2.856123205 5.067294 7.027795
#   4 5.295177 0.002015966 9.322912 7.424568
#   5 1.577659 4.013616377 5.092042 5.130887

Answer 5

您可以使用正則表達式進一步擴展它以進行更廣泛的模式搜索。 我有一個數據框，它有一堆帶有"name" 、 "upper_name" and "lower_name"` 的列，因為它們代表了一系列系列的置信區間，但我不需要它們。 因此，使用正則表達式，您可以執行以下操作：

pattern = "(upper_[a-z]*)|(lower_[a-z]*)"
policyData <- policyData[, -grep(pattern = pattern, colnames(policyData))]

“|” 允許我在正則表達式中包含一個 or 語句，這樣我就可以用一個模式執行一次，而不是查找每個模式。