使用正则表达式选择多列

Question

我有名为r1a r3c r5e r7g r9i r11k r13g r15i等的变量。我正在尝试以r5 - r12开头的select变量，并在R中创建一个数据格式。

我能写的最好的代码就是，

data %>% select(grep("r[5-9][^0-9]" , names(data), value = TRUE ),
grep("r1[0-2]", names(data), value = TRUE))

考虑到我每天使用正则表达式的经验，我想知道是否有人能帮我编写一个更好、更紧凑的代码！

Answer 1

下面是一个同时获取所有列的正则表达式：

data %>% select(grep("r([5-9]|1[0-2])", names(data), value = TRUE))

垂直栏表示“或”。

正如评论所指出的那样，对于诸如r51这样的项目来说，这将失败，而且也可以缩短。相反，您需要稍微长一点的正则表达式：

data %>% select(matches("r([5-9]|1[0-2])([^0-9]|$)"))

Answer 2

假设在下面的代码中，x表示names(data)。然后下面的就会做你想做的事。

# The names of 'data'
x <- scan(what = character(), text = "r1a r3c r5e r7g r9i r11k r13g r15i")

y <- unlist(strsplit(x, "[[:alpha:]]"))
y <- as.numeric(y[sapply(y, `!=`, "")])
x[y > 4]
#[1] "r5e"  "r7g"  "r9i"  "r11k" "r13g" "r15i"

编辑.

您可以使用上述代码的泛化来创建一个函数。这个函数有三个参数，第一个是变量名的向量，第二个和第三个是你想要保持的数字的限制。

var_names <- function(x, from = 1, to = Inf){
    y <- unlist(strsplit(x, "[[:alpha:]]"))
    y <- as.integer(y[sapply(y, `!=`, "")])
    x[from <= y & y <= to]
}

var_names(x, 5)
#[1] "r5e"  "r7g"  "r9i"  "r11k" "r13g" "r15i"

Answer 3

删除非数字，扫描剩余部分，并检查每一个是否在5:12中：

DF <- data.frame(r1a=1, r3c=2, r5e=3, r7g=4, r9i=5, r11k=6, r13g=7, r15i=8) # test data

DF[scan(text = gsub("\\D", "", names(DF)), quiet = TRUE) %in% 5:12]
##   r5e r7g r9i r11k
## 1   3   4   5    6

使用magrittr还可以这样编写：

library(magrittr)

DF %>% .[scan(text = gsub("\\D", "", names(.)), quiet = TRUE) %in% 5:12]
##   r5e r7g r9i r11k
## 1   3   4   5    6