從R中的數據框中僅選擇某些列

Question

我是R的新手。我有一個下面的數據框，需要從中選擇特定的列。

數據框如下所示：

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))

我想基於列的選擇創建數據幀df1到df12。 例如，df2不應包含名稱后綴為“ _1”的列，而應包含其余的列。 對於df9，不應包含具有“ _1”，“ _ 2”，...至“ _8”的列，例如b.Boston_1，b.Denver_1，b.Boston_2，b.Denver_2 ........ b.Boston_8， b.Denver_8，但包含諸如b.Boston_10，b.Denver_10，b.Boston_11，b.Denver_11之類的列。 df12僅包含諸如a.Boston，a.Hartford，a.Denver之類的列。 我想從df中刪除“城市”列。

我寫了下面的代碼：

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)))])
}

下面我得到了結果：

*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

對於創建的數據幀來說，問題是，例如對於df2和df9，它們不包含從b.Denver_10到b.Denver_12和b.Boston_10到b.Boston_12的列。 從df1到df11的數據幀都沒有包含后綴_10，_11，_12的列，但應該在那兒。

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

我想要從df1到df12的這種類型的o / p。

有人可以幫我嗎？

預先感謝！！

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))]
})

編輯：在lapply內部，我首先定義一個與所需列匹配的正則表達式模式。 即

A）包含“。”的列 並且不包含數字，后跟行尾。 (\\\\..*\\\\D$)這與格式為a.CityName的列匹配

B）包含“ _”后跟等於或大於給定k且不大於12的數字的列。公式取決於k <10。 例如，對於k = 2，我們得到_([2-9]|1[0-2])$ -匹配2到9或1，然后是0到2。對於k = 11，我們得到_(1[1-2])$ 。

然后，我選擇與grepl模式匹配的列。

Answer 2

如果我們為想要的列指定條件而不是構造正則表達式，則代碼將更加清晰。

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只是列名稱中的一個向量整數。 如果沒有整數，則為NA 。

select_if僅將缺少后綴或>= i的df列作為子集。 效果與

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