从数据帧中选择列

Question

我有一个由几个列组成的数据框架，每个列对应于每个国家不同的行业。我有56个行业和43个国家，我只选择5至22个国家的工业(18个行业)。最大的问题是每个国家的每个行业都被命名为: AUS1，AUS2 .，AUS56。我要选择的是AUS5到AUS22，AUT5到AUT22 .一个可行的解决方案可以是按照以下算法选择列:感兴趣的第一列，即AUS5对应于第10列，然后选择AUS22 (对应于第27列)。然后，我应该跳过AUS的所有其余列(即AUS23到AUS56)，跳过下一个国家的前4列(从AUT1到AUT4)。然后，我像以前一样，为AUT选择从5到22的行业。基本上，从第10列开始的算法应该能够选择18列(包括第10列)，然后跳过接下来的38列，然后选择下18列。所有43个国家都应重复这一进程。我该怎么编码呢？

更新，示例：

df=data.frame(industry = c("C10","C11","C12","C13"),
                   country = c("USA"),
                   AUS3 = runif(4),
                   AUS4 = runif(4),
                   AUS5 = runif(4),
                   AUS6 = runif(4),
                   DEU5 = runif(4),
                   DEU6 = runif(4),
                   DEU7 = runif(4),
                   DEU8 = runif(4))
#I'm interested only in C10-c11:

df_a=df %>% filter(grepl('C10|C11',industry))
df_a

#Thus, how can I select columns AUS10,AUS11, DEU10,DEU11 efficiently, considering that I have a huge dataset?

Answer 1

演示paste0方法。

ctr <- unique(gsub('\\d', '', names(df[-(1:2)])))
# ctr <- c("AUS", "DEU")  ## alternatively hard-coded

ind <- c(10, 11)

subset(df, industry == paste0('C', 10:11), 
       select=c('industry', 'country', paste0(rep(ctr, each=length(ind)), ind)))
#   industry country     AUS10     AUS11     DEU10     DEU11
# 1      C10     USA 0.3376674 0.1568496 0.5033433 0.7327734
# 2      C11     USA 0.7421840 0.6808892 0.9050158 0.3689741

或者，既然你似乎喜欢grep，你就可以做到。

df[grep('10|11', df$industry), grep('industry|country|[A-Z]{3}1[01]', names(df))]
#   industry country     AUS10     AUS11     DEU10     DEU11
# 1      C10     USA 0.3376674 0.1568496 0.5033433 0.7327734
# 2      C11     USA 0.7421840 0.6808892 0.9050158 0.3689741

Answer 2

如果内存中有一个大数据集，那么data.table和快得多可能是理想的选择。类似于下面的内容可以工作，不过您需要按照实际数据集上的需要使用select_ind和select_ctr。

如果可能的话，给我们举个稍微大一点的玩具例子也许是值得的。

library(data.table)
setDT(df)


select_ind <- paste0(c("C"), c("11","10"))
select_ctr <- paste0(rep(c("AUS", "DEU"), each = 2), c("10","11"))


df[grepl(paste0(select_ind, collapse = "|"), industry), # select rows
   ..select_ctr] # select columns    

       AUS10     AUS11     DEU10     DEU11
1: 0.9040223 0.2638725 0.9779399 0.1672789
2: 0.6162678 0.3095942 0.1527307 0.6270880

有关更多信息，请参见data.table。