根据名称中匹配的子字符串计算值答案

【问题标题】：Calculate values based on matched substrings within names根据名称中匹配的子字符串计算值
【发布时间】：2022-08-23 12:19:09
【问题描述】：

我试图用匹配的子字符串识别列名，然后计算这些列中值的差异。

样本数据：

V1_ABC <- c(1,2,3,4)
V2_ABC <- c(2,3,4,5)
V1_WXYZ <- c(10,11,12,13)
V2_WXYZ <- c(11,12,13,14)
Date <- c(2001,2002,2003,2004)

所以 df 看起来像：

df <- data.frame(Date, V1_ABC, V2_ABC, V1_WXYZ, V2_WXYZ)

  Date V1_ABC V2_ABC V1_WXYZ V2_WXYZ
1 2001      1      2     10     11
2 2002      2      3     11     12
3 2003      3      4     12     13
4 2004      4      5     13     14

我想计算 ABC 和 WXYZ 的 V1 减去 V2。我的原始数据集要大得多，因此我不想为每个数据集手动执行此操作。我想自动执行此操作，以便 R 比较列标题并查找哪些列具有相同的结束子字符串（V1_ABC 和 V2_ABC，以及 V1_WXYZ 和 V2_WXYZ），然后从 V1_ 中减去 V2_。像这样：

  Date V1_ABC V2_ABC V1_WXYZ V2_WXYZ dif_ABC dif_WXYZ
1 2001      1      2      10      11      -1       -1
2 2002      2      3      11      12      -1       -1
3 2003      3      4      12      13      -1       -1
4 2004      4      5      13      14      -1       -1

我发现的大多数函数，例如 grep 或 intersect 要么查找您输入的特定字符串，要么返回向量相同的值。

关于如何根据名称/子字符串自动配对的任何想法？

\"_\" 之前的所有列前缀和它之后的匹配键吗？

标签： r dataframe

【解决方案1】：

您可以分别堆叠V1 和V2，计算差异，然后将它们重新整形为宽格式。这种方法可以处理任意数量的V1_xxx 和V2_xxx。

library(tidyverse)

df %>%
  pivot_longer(contains("_"), names_to = c(".value", "grp"), names_sep = "_") %>%
  mutate(dif = V1 - V2) %>%
  pivot_wider(names_from = grp, values_from = c(V1, V2, dif))

# # A tibble: 4 × 7
#    Date V1_ABC V1_WXYZ V2_ABC V2_WXYZ dif_ABC dif_WXYZ
#   <dbl>  <dbl>   <dbl>  <dbl>   <dbl>   <dbl>    <dbl>
# 1  2001      1      10      2      11      -1       -1
# 2  2002      2      11      3      12      -1       -1
# 3  2003      3      12      4      13      -1       -1
# 4  2004      4      13      5      14      -1       -1

【讨论】：

这可能是比我自己的方法更好的方法（前提是数据不是太大以至于重塑不是不可能的）。我唯一要补充的是，您可能无法将-Date 用于cols 参数，具体取决于数据中的其他列，您可能需要执行cols = matches("_.+$") 之类的操作。

【解决方案2】：

这是一个基本的 R 解决方案。您提到您的数据框很大，因此这会检查恰好有 2 个共享后缀的列并且仅对这些后缀进行操作。它假定它们都是"V1_suffix" 和"V2_suffix" 格式，但如果它们是其他格式，则可以轻松修改。

suffixes <- unlist(regmatches(names(df), gregexpr("_.+", names(df))))

# Limit to suffixes where there are 2
suffixes <- names(table(suffixes)[table(suffixes) == 2])

diffs  <- sapply(suffixes, 
    \(suffix) df[[paste0("V1", suffix)]] - df[[paste0("V2", suffix)]]
)


diff_df  <- data.frame(diffs)  |> 
    setNames(paste0("dif", suffixes))

cbind(df, diff_df)

#   Date V1_ABC V2_ABC V1_WXYZ V2_WXYZ dif_ABC dif_WXYZ
# 1 2001      1      2      10      11      -1       -1
# 2 2002      2      3      11      12      -1       -1
# 3 2003      3      4      12      13      -1       -1
# 4 2004      4      5      13      14      -1       -1

【讨论】：