过滤列名包含pattern的变量

Question

我正在尝试使用dyplr的filter函数从tbl中过滤出NA、NaN和Inf值。

诀窍是，我只想将过滤器应用于名称包含特定模式的列。模式是: r1、r2、r3等。

我曾尝试将grep和filter结合起来来实现这一点，但无法使其正常工作。我当前的代码如下所示：

filter_(!is.na(grep("r[1-9]", colnames(DF), value = TRUE)) 
& !is.infinite(grep("r[1-9]", colnames(DF), value = TRUE)) 
& !is.nan(grep("r[1-9]", colnames(DF), value = TRUE)))

但是，此代码将返回一条警告消息："Truncating vector to length 1“。并且返回的数据未经过过滤。

我怀疑是这里的is.na函数导致了这个问题，因为我在网上看到过一个示例，其中您可以使用普通条件(即condition == value)而不是基于is.na的条件将grep应用于filter

Answer 1

dplyr提供了对此很有用的matches()

示例1：matches()是如何工作的？

library(dplyr)

# remove columns that start with "mp"
mtcars %>% select(-matches("mp"))

# keep columns that start with "mp"
mtcars %>% select(matches("mp"))

示例2:在请求上下文中使用matches()，但使用MWE

# Create a dummy dataset
data = tibble(id = c("John","Paul","George","Ringo"),
              r1 = c(1,2,NA,NA), 
              r2 = c(1,2,NA,4),
              s1 = c(1,NA,3,4))

# Filter NAs in columns that start with r followed by a number
data %>% filter_at(vars(matches("r[0-9]")), all_vars(!is.na(.)))

Answer 2

下面是一个基数R方法，用于筛选行，比较特定的列。

# sample data
set.seed(1234)
dat <- data.frame(r1=c(NA, 1,NaN, 5, Inf), r2=c(NA, 1,NaN, NA, Inf), d=rnorm(5))

此数据集如下所示

dat
   r1  r2          d
1  NA  NA -1.2070657
2   1   1  0.2774292
3 NaN NaN  1.0844412
4   5  NA -2.3456977
5 Inf Inf  0.4291247

我们将检查前两列，忽略第三列。请注意，应该保留的唯一行是第2行。

dat[Reduce("&", lapply(dat[grep("^r", names(dat))], is.finite)),]
  r1 r2         d
2  1  1 0.2774292

在这里，使用grep选择适当列(1和2)的子集data.frame被提供给lapply。正则表达式"^r“表示只包含名称以"r”开头的变量。在lapply循环中，使用is.finite检查每个向量。此函数为NA、NaN和Inf返回FALSE。得到的逻辑向量列表被馈送到Reduce`，Reduce`返回一个逻辑向量，即当且仅当一行中的每个元素都是有限的时，元素为真的data.frame的行数的长度。

Answer 3

对于dplyr，您可以使用filter_at函数：

dat %>% filter_at(vars(matches("^r[1-9]")), all_vars(is.finite(.)))

使用@lmo的样本数据，结果是：

r1 r2 d 1 1 1 0.2774292