在 R 中使用相似的变量名称，将大数据帧拆分/子集为多个较小的数据帧

Question

我有一个包含 300 多个变量的数据集，采用以下方式：

创建示例数据：

id <- c('a','b','c', 'd', 'e', 'f')
type <- c(1,2,3,1,2,3)
x_97 <- c(1,2,3,4,5,6)
y_97 <- c('q','w','r','t', 'y', 'i')
z_97 <- c(80,90,70,50,60,40)
x_98 <- c(7,8,9,4,5,6)
y_98 <- c('y', 'i', 'r','t','q','w')
x_99 <- c(4,5,5,6,1,2)
z_99 <- c(20,10,40,50,20,50)
w_99 <- c(8,9,7,4,5,NA)
my.data <- data.frame(id, type, x_97, y_97, z_97, x_98, y_98, x_99, z_99)

请注意：_97、_98、_99 是 1997、1998 和 1999 年。

预期结果：

我想根据id和type把这个大数据框按年份分成3个较小的数据框。

初步想法：

我正在创建一个列表：

my.list <- c("_97", "_98", "_99") 

现在我想写这样的东西：

newdata97 <- subset(my.data, all variables with the 1st object of my.list)
newdata98 <- subset(my.data, all variables with the 2nd object of my.list)

等等。

问题

1. 我不确定如何实现上述新数据帧。有人可以帮忙吗？
2. 此外，我认为应用程序家族必须有一个更优雅的解决方案。有什么想法吗？

非常感谢您的帮助。

Answer 1

我们可以使用循环遍历'my.list'，使用grep提取与'my.list'中的子串匹配的列名，cbind与前两列创建list的data.frames

lst1 <- lapply(my.list, function(x) cbind(my.data[1:2], 
     my.data[grep(x, names(my.data))]))

如果 'x', 'y', 'z' 中的某一列缺失，则可以将其分配给NA

lst1 <-  lapply(lst1, function(x)  {nm1 <- setdiff(paste0(c('x', 'y', 
 'z'),  substring(names(x)[3], 2)), names(x)[-(1:2)]); x[nm1] <- NA; x})

---

或者不是稍后创建列，而是在“my.data”中创建 NA 列

my.data[setdiff(paste0(rep(c("x_", "y_", "z_"), each = 3), 
       97:99), names(my.data)[-(1:2)])] <- NA

然后像上面一样使用grep 创建一个list 的data.frames

---

或者另一个选项是 split 基于列名的子字符串

lst1 <- lapply(split.default(my.data[-(1:2)], 
   sub(".*_", "", names(my.data)[-(1:2)])), function(x) cbind(my.data[1:2], x))

最好将其保留为list，但如果我们需要全局环境中的单独data.frames，则命名list元素并使用list2env（虽然不推荐）

names(lst1) <- paste0("newdata", substring(my.list, 2))
list2env(lst1, envir = .GlobalEnv)