如何使用变量名中的多个正则表达式对数据框进行子集化？

Question

我有一个包含 500 多个命名变量的数据框，我只想选择名称包含字符串“xyz”和“abc”的列。第一个字母有时大写，有时不大写，所以我使用正则表达式“[Aa]bc”等。

我在一个名为 df 的数据框中拥有完整的数据集，我正在通过使用 grep() 从 df 中选择变量来构建一个名为 df2 的新数据框。我可以一次做一个，然后用 cbind() 将它们粘在一起，但我想知道如何一次性完成所有操作。

我以为我可以将多个条件传递给 grep()，但似乎卡在了这里。

一个非常简单的例子：

df <- data.frame(abc=1:3, def=4:6, Xyz=7:9, Abc=10:12, xyz=13:15)

  abc def Xyz Abc xyz
1   1   4   7  10  13
2   2   5   8  11  14
3   3   6   9  12  15

我使用两条单​​独的行成功获得了我需要的列：

df2 <- df[,grep("[Aa]bc", names(df), value=TRUE)]
df3 <- df[,grep("[Xx]yz", names(df), value=TRUE)]
df4 <- cbind(df2, df3)

当我尝试使用以下方法一次完成所有这些操作时：

df2 <- df[,grep("[Aa]bc" | "[Xx]yz", names(df), value=TRUE)]

我收到以下错误：

“[Aa]bc”中的错误| "[Xx]yz" : 操作仅适用于 数字、逻辑或复杂类型

我也尝试将条件作为字符串列表传递给 grep，但它不起作用：

df2 <- df[,grep(c("[Aa]bc", "[Xx]yz"), names(df), value=TRUE)]

它只使用了带有警告的第一个列表项：

在 grep(c("[Aa]bc", "[Xx]yz"), names(df), value = TRUE) 中：参数 'pattern' 的长度 > 1 并且只使用第一个元素

所以它只选择了带有“[Aa]bc”的列，并跳过了“[Xx]yz”。

有更简单的方法吗？

Answer 1

有一个参数ignore.case，如果设置为TRUE，那么它会忽略（大写/小写）大小写，即

df[grepl('xyz|abc', names(df), ignore.case = TRUE)]

#   abc Xyz Abc
#1   1   7  10
#2   2   8  11
#3   3   9  12

Answer 2

您需要将正则表达式包含在一个字符串本身中

df[,grep("[Aa]bc|[Xx]yz", names(df))]

#  abc Xyz Abc
#1   1   7  10
#2   2   8  11
#3   3   9  12

Answer 3

我们也可以使用“纯粹的”RegEx 方式来忽略大小写。否则，可以将ignore.case 设置为TRUE，如图所示：

df[grepl("(?i)[a-c]|(?i)[x-z]", names(df))]
  abc Xyz Abc
1   1   7  10
2   2   8  11
3   3   9  12

我们也可以使用stringi：

df[stri_detect(names(df), regex = "xyz|abc",case_insensitive = TRUE)]
  abc Xyz Abc
1   1   7  10
2   2   8  11
3   3   9  12

tidyverse 方法：

 library(dplyr)
  library(stringi)

df %>% 
  purrr::keep(stri_detect(names(df),
                           regex = "xyz|abc",case_insensitive = TRUE))
  abc Xyz Abc
1   1   7  10
2   2   8  11
3   3   9  12