使用 grep 幫助 R 中的數據框子集

Question

我在對數據進行子集化時遇到問題。 我想要在 x 列上對數據進行子集化，其中前 3 個字符以 G45 開頭。

我的數據框：

 x <- c("G448", "G459", "G479", "G406")  
 y <- c(1:4)
 My.Data <- data.frame (x,y)

我試過了：

 subset (My.Data, x=="G45*")

但我不確定如何使用通配符。 我也嘗試過 grep() 來查找索引：

 grep  ("G45*", My.Data$x)

但它返回所有 4 行，而不僅僅是那些以 G45 開頭的行，可能也是因為我不確定如何使用通配符。

Answer 1

使用[來提取非常簡單：

grep將為您提供與您的搜索模式匹配的位置（除非您使用value = TRUE ）。

grep("^G45", My.Data$x)
# [1] 2

由於您在單個列的值中進行搜索，因此實際上對應於行索引。 因此，將它與[一起使用（您將使用My.Data[rows, cols]來獲取特定的行和列）。

My.Data[grep("^G45", My.Data$x), ]
#      x y
# 2 G459 2

---

如果您更喜歡使用此函數而不是[ ，則subset的幫助頁面顯示了如何將grep和grepl與subset使用。 這是一個例子。

subset(My.Data, grepl("^G45", My.Data$x))
#      x y
# 2 G459 2

---

從 R 3.3 開始，現在還有startsWith函數，您可以再次將其與subset （或上述任何其他方法）一起使用。 根據該函數的幫助頁面，它比使用substring或grepl 。

subset(My.Data, startsWith(as.character(x), "G45"))
#      x y
# 2 G459 2

Answer 2

您也可以使用stringr包

library(dplyr)
library(stringr)
My.Data %>% filter(str_detect(x, '^G45'))

在這種情況下，您可能不會使用'^' （開頭為），以獲得您需要的結果